Imputação de dados ausentes em séries temporais de carbonatação dos concretos

Imputing missing data in time series of concrete carbonation

Resumen

El uso creciente de modelos contemporáneos de predicción de los frentes de carbonatación, como las redes neuronales artificiales, exige un mayor rigor en la exhaustividad de las bases de datos. Tratar las bases de datos de profundidad de carbonatación como series temporales es una alternativa favorable para garantizar la calidad. El objetivo de este artículo es identificar la mejor técnica para imputar datos faltantes en series temporales de profundidades de carbonatación para hormigones con diferentes composiciones. La base de datos utilizada fue información recogida de hormigones sometidos a carbonatación natural durante 20 años de exposición pertenecientes al grupo GEDur/UFG. Se ensayaron diez técnicas de imputación, entre las que cabe citar el relleno hacia adelante, la media móvil, la interpolación y el filtro de Kalman. Todas las técnicas y análisis se implementaron utilizando el lenguaje de programación Python en un entorno de desarrollo integrado. Basándose en las métricas de rendimiento y en el análisis visual, se comprobó que la interpolación cúbica monotónica spline capturaba el patrón de la curva de profundidad de carbonatación en función del tiempo con mayor precisión y exactitud, alcanzando un índice de rendimiento de 0,998 y un RMSE entre 0,106 mm y 0,863 mm en función de la muestra de hormigón.