Estimación de las componentes de una serie de tiempo mediante Regresión Armónica Dinámica

En el estudio presentado a continuación, se buscó identificar y estimar las componentes no observables de la serie de tiempo temperatura superficial del mar frente a las costas de Tumbes mediante un modelo de regresión armónica dinámica (DHR) con espacio-estado estocástico”. Para realizar la estimación se utilizó el filtro de Kalman y algoritmos fijos de intervalo suavizado. Asimismo, se trabajó con un método de optimización en el dominio de frecuencias para estimar la varianza del ruido blanco y otros hiperparámetros. En los resultados se consiguió la identificación de las componentes no observadas de la serie y su representación a través de los modelos de regresión armónica. Como tal, se definió que el modelo Ar(13) Ma(1) es el modelo que más se ajusta a la serie de tiempo con la que se trabajó, ya que presenta valores mínimos de AKAIKE, Schwarz Criterion, Hannan Quinn y las autocorrelaciones de los residuos se encuentran dentro de las bandas de confianza