Publicacion y Autores

Este estudio provee el primer benchmark sistematico de 12 modelos de prediccion de temperatura minima diaria bajo condiciones climaticas extremas de alta altitud tropical, utilizando 25 anos de datos satelitales NASA POWER (2000–2025) en 13 estaciones meteorologicas del Altiplano de Puno (3,808–4,470 m.s.n.m.).

El modelo Ensemble (XGBoost + LSTM + Random Forest) mediante promedio ponderado alcanza RMSE = 1.65°C, R² = 0.931 y TSS = 0.87, representando una mejora del 35% sobre los metodos estadisticos tradicionales. La variable mas importante es la temperatura minima del dia anterior (32.1%), confirmando la memoria termica del suelo del Altiplano.

@article{torres2025frost,
  title   = {Comparative Analysis of Statistical,
             Machine Learning, and Deep Learning
             Approaches for Frost Prediction in
             the Peruvian Altiplano},
  author  = {Torres-Cruz, Fred and
             Yana-Yucra, Dina Maribel and
             Vilca-Solorzano, Richar Andre},
  journal = {IJACSA},
  volume  = {16},
  number  = {9},
  year    = {2025},
  doi     = {10.14569/IJACSA.2025.0160992}
}