🌍 Forecasting en series temporales de contaminantes atmosféricos en Madrid (2001-2018)

👥 Colaboradores: David Abba, Eduardo Andreozzi, Pablo Astoreca y Eduardo Castro Luna.

---

📝 Descripción General

Análisis y predicción de series temporales de contaminantes atmosféricos (NO₂ y CO) en la ciudad de Madrid durante el período 2001-2018. El proyecto incluye limpieza de datos, análisis de estacionariedad (tests ADF y KPSS), descomposición estacional, transformación Box-Cox, diferenciación, y aplicación de modelos ARIMA y suavizado exponencial (SES, Holt, Holt-Winters) para pronóstico.

---

📁 Estructura del Proyecto

La organización de los archivos en este repositorio es la siguiente:

madrid-air-pollution-time-series-forecasting/
├── Madrid_Air_Pollution_Forecasting.ipynb   # Notebook principal
├── requirements.txt                         # Dependencias de Python
├── LICENSE                                  # Licencia MIT
├── .gitignore                               # Archivos ignorados
└── README.md                                # Este archivo

---

📊 Dataset

Fuente: Air Quality in Madrid (2001-2018) en Kaggle
Autor: decide-soluciones
Fuente original: Ayuntamiento de Madrid (Open Data)
Licencia: Open Data (uso libre con atribución)

Características del Dataset

Característica	Descripción
Período	2001 - 2018 (18 años)
Frecuencia	Mediciones horarias
Contaminantes	NO₂ (µg/m³), CO (mg/m³)
Estructura	Archivos CSV anuales (madrid_2001.csv a madrid_2018.csv)
Estaciones	Múltiples estaciones de monitoreo en Madrid

🔧 Instalación y Uso

1. Clonar el repositorio

git clone https://github.com/SebastianDeghi/madrid-air-pollution-time-series-forecasting.git
cd madrid-air-pollution-time-series-forecasting

2. Crear y activar un entorno virtual (recomendado)

• En Windows:

  python -m venv venv
  venv\Scripts\activate

• En macOS/Linux:

  python3 -m venv venv
  source venv/bin/activate

3. Instalar dependencias

Con el entorno virtual activo, instala los paquetes necesarios:

pip install -r requirements.txt

Nota: El archivo requirements.txt incluye las siguientes librerías:

• numpy
• pandas
• matplotlib
• seaborn
• scipy
• statsmodels
• pmdarima
• scikit-learn
• joblib
• kagglehub
• jupyter
• tqdm
• session-info

4. Ejecutar el notebook

Finalmente, lanza Jupyter Notebook para abrir el archivo principal:

jupyter notebook Madrid_Air_Pollution_Forecasting.ipynb 

5. (Opcional) Descargar el dataset

El notebook descargará automáticamente el dataset desde Kaggle usando kagglehub. Si es la primera vez, asegúrate de tener configuradas tus credenciales de Kaggle.

---

📈 Contenido del Análisis

1. Análisis Exploratorio de Datos (EDA)

• Carga y concatenación de archivos CSV anuales
• Agregación diaria (promedio entre estaciones)
• Visualización de series temporales (diarias, mensuales, anuales)

2. Análisis de Estacionariedad

• Test ADF (Augmented Dickey-Fuller): Hipótesis nula → serie no estacionaria
• Test KPSS (Kwiatkowski-Phillips-Schmidt-Shin): Hipótesis nula → serie estacionaria
• Interpretación combinada de ambos tests

3. Descomposición Estacional

• Modelo aditivo y multiplicativo
• Separación en componentes: Tendencia + Estacionalidad + Residuo

4. Transformaciones y Diferenciación

• Box-Cox: Estabilización de varianza
• Diferenciación (orden 1): Eliminación de tendencia

5. Modelos de Forecasting

Modelo	Descripción	Parámetros
ARIMA	Autoregressive Integrated Moving Average	p, d, q (seleccionados automáticamente con auto_arima)
SES	Simple Exponential Smoothing	α (smoothing level)
Holt	Doble suavizado exponencial (con tendencia)	α, β
Holt-Winters	Triple suavizado exponencial (tendencia + estacionalidad)	α, β, γ, s

6. Métricas de Evaluación

• MSE (Mean Squared Error): Penaliza errores grandes
• RMSE (Root Mean Squared Error): Error en unidades originales
• MAE (Mean Absolute Error): Robusto a outliers
• MAPE (Mean Absolute Percentage Error): Error relativo porcentual

---

📊 Resultados Principales

Hallazgos Clave

Contaminante	Tendencia	Estacionalidad	Mejor Modelo
NO₂	Descendente (políticas de control de emisiones)	Fuerte (mayor en invierno)	Holt-Winters
CO	Descendente pronunciado (mejora tecnológica)	Suave	Holt-Winters

Resultados de Estacionariedad

Gas	ADF (p-value)	KPSS (p-value)	Conclusión
NO₂	< 0.05 (estacionaria)	< 0.05 (no estacionaria)	Estacionaria en diferencia (tiene tendencia)
CO	< 0.05 (estacionaria)	< 0.05 (no estacionaria)	Estacionaria en diferencia (tiene tendencia)

Resultados después de Box-Cox + Diferenciación

Gas	λ Box-Cox	ADF (p-value)	KPSS (p-value)	Estado
NO₂	0.489	< 0.0001	> 0.05	Estacionaria
CO	-0.572	< 0.0001	> 0.05	Estacionaria

---

🗺️ Visualizaciones Incluidas

• Series temporales diarias de NO₂ y CO
• Promedios mensuales y anuales
• Descomposición estacional (aditiva y multiplicativa)
• Comparación antes/después de transformaciones
• Pronóstico ARIMA con intervalos de confianza
• Comparativa de modelos de suavizado exponencial
• Gráfico de barras de métricas de error

---

📚 Dependencias

Categoría	Librerías
Cálculo científico	numpy, pandas, scipy
Visualización	matplotlib, seaborn
Series temporales	statsmodels, pmdarima
Machine Learning	scikit-learn, joblib
Jupyter	jupyter, ipykernel, session-info
Utilidades	tqdm, kagglehub

---

📄 Licencia

Este proyecto está bajo la Licencia MIT. Consulta el archivo LICENSE para más detalles.

---

🙏 Agradecimientos

• decide-soluciones por publicar el dataset en Kaggle
• Ayuntamiento de Madrid por proporcionar los datos abiertos
• Comunidad open source por statsmodels, pmdarima, scipy y demás librerías

---

📚 Referencias

• Box, G. E. P., Jenkins, G. M., Reinsel, G. C., & Ljung, G. M. (2015). Time Series Analysis: Forecasting and Control. John Wiley & Sons.
• Hyndman, R. J., & Athanasopoulos, G. (2018). Forecasting: Principles and Practice. OTexts.
• Statsmodels Documentation
• pmdarima Documentation

---

👤 Autor

Sebastián Deghi

• GitHub: @SebastianDeghi
• LinkedIn: @sebastian-deghi
• Google Scholar: @Sebastian E. Deghi