Multi-Horizon, Multi-Depth Forecasting of Pavement Temperature in a Continental Climate: Machine Learning Methods Benchmarked Against a Persistence Baseline

Resumen Técnico: Pronóstico de Temperatura de Pavimento Multihorizonte y Multiprofundidad en un Clima Continental

Planteamiento del Problema
El pronóstico preciso de la temperatura del pavimento a múltiples profundidades es crítico para el diseño mecanístico-empírico de pavimentos, incluyendo el análisis de esfuerzos térmicos, la predicción de ahuellamiento, la evaluación de agrietamiento por baja temperatura y la gestión de ciclos de hielo-deshielo. Si bien se ha aplicado cada vez más el aprendizaje automático (ML) a este problema, la literatura reciente reporta con frecuencia coeficientes de determinación elevados ($R^2 > 0.95$) sin realizar comparaciones con bases de referencia triviales. Este estudio aborda tres brechas metodológicas en la investigación existente: (1) la falta de consideración de la extrema autocorrelación inherente a las series temporales de temperatura del pavimento, lo que puede inflar la aparente capacidad predictiva; (2) la dependencia de divisiones cronológicas únicas de entrenamiento-prueba que no logran capturar la varianza estacional; y (3) la omisión de bases de referencia de persistencia ingenua, que son el estándar de comparación en el pronóstico operativo. El estudio tiene como objetivo determinar las condiciones específicas (profundidad, horizonte de pronóstico y volumen de datos) bajo las cuales los métodos de ML aportan un valor real sobre un pronóstico de persistencia simple.

Metodología
La investigación utiliza un año de datos de temperatura horaria ($n = 7,067$ observaciones) de una estación de monitoreo automatizada cerca de Astaná, Kazajistán, en un clima fuertemente continental. El conjunto de datos incluye mediciones en ocho profundidades subsuperficiales (de 3 cm a 300 cm) y la temperatura del aire ambiente.

• Tarea de Pronóstico: El estudio evalúa las predicciones en tres horizontes: 24 horas (diario), 168 horas (semanal) y 720 horas (30 días).
• Modelos: Se evaluaron seis algoritmos de ML: Regresión Lineal, Regresión Ridge, Regresión Lasso, Random Forest, Gradient Boosting y Extreme Gradient Boosting (XGBoost).
• Base de Referencia (Baseline): Se utilizó una base de referencia de persistencia ingenua ($\hat{y}_{t+h} = y_t$) como el principal punto de comparación.
• Ingeniería de Características: Se implementó un protocolo "libre de fugas" (leak-free). Las características incluyeron valores rezagados (1, 3, 6, 12, 24, 72, 168 horas), estadísticas de ventana rodante (medias/DE de 24h y 168h) y codificaciones cíclicas del tiempo. Crucialmente, no se utilizó información de la misma etapa temporal entre distintas profundidades como predictor para evitar que la tarea derivara en una interpolación espacial.
• Validación: Se empleó una validación cruzada de series temporales bloqueadas de ventana expansiva de cinco pliegues. Este enfoque expone a los modelos a cambios en la distribución estacional (por ejemplo, entrenar con datos de verano/otoño y probar con datos de invierno) en lugar de depender de una única división estática.
• Métricas: El desempeño se evaluó mediante RMSE (Raíz del Error Cuadrático Medio), MAE (Error Absoluto Medio) y $R^2$.

Resultados Clave

1. Dominio de la Persistencia en Horizontes Cortos: En el horizonte de 24 horas, la base de referencia de persistencia superó a los seis algoritmos de ML en todas las profundidades. La persistencia alcanzó valores de $R^2$ entre 0.94 y 0.999 con RMSEs que oscilaron entre 0.23 °C (a 180 cm) y 4.37 °C (a 3 cm). Ningún modelo de ML superó la base de referencia de persistencia en el RMSE medio.
2. Valor Limitado de ML en Horizontes Intermedios/Largos: Los métodos de ML comenzaron a mostrar un desempeño competitivo o superior solo bajo condiciones específicas:
   • Horizonte de 168 horas: La regresión Lasso logró el RMSE más bajo en el 22% de las combinaciones de profundidad-pliegue, principalmente en profundidades intermedias (120 cm y 180 cm), pero la persistencia siguió siendo superior en el promedio general a través de los pliegues.
   • Horizonte de 720 horas: Al horizonte de 30 días, los métodos de ML se volvieron competitivos en las capas más profundas. Random Forest logró una reducción del 20% en el RMSE en comparación con la persistencia a la profundidad de 300 cm. Lasso mostró mejoras modestas en profundidades intermedias (40–180 cm). Sin embargo, en profundidades cercanas a la superficie (3–20 cm), ningún método de ML se acercó al desempeño de la persistencia.
3. Impacto del Tamaño de los Datos de Entrenamiento: El desempeño de ML fue altamente sensible al tamaño del conjunto de entrenamiento. Con conjuntos de datos pequeños (~1,245 horas), los modelos de ML funcionaron significamente peor que la persistencia. Para lograr un desempeño estable y competitivo, se requirieron aproximadamente 4,000–5,000 horas (seis meses) de datos de entrenamiento.
4. Predictibilidad Dependiente de la Profundidad: Se observó un aumento monotónico de la predictibilidad con la profundidad en todos los métodos, incluyendo la persistencia. Esto refleja la inercia térmica física del sistema de pavimento, donde las capas más profundas exhiben una evolución de temperatura más lenta y suave, en lugar de una mejora en la capacidad algorítmica.

Contribuciones Clave y Significancia
El artículo proporciona una corrección a la narrativa predominante en la literatura de temperatura de pavimentos de que el ML "resuelve" los problemas de predicción. Sus principales contribuciones incluyen:

• Benchmarking Metodológico: Este es el primer estudio que compara explícitamente un conjunto completo de algoritmos de ML contra una base de referencia de persistencia ingenua a través de múltiples horizontes y profundidades para la temperatura del pavimento. Demuestra que muchos de los altos valores de $R^2$ reportados anteriormente probablemente reflejan la explotación de la autocorrelación (persistencia) en lugar de una verdadera capacidad predictiva.
• Identificación de Regímenes: El estudio establece límites claros para la utilidad del ML. El ML aporta valor solo en horizontes más largos (≥168 horas) y mayores profundidades (≥60 cm), donde la difusión térmica amortigua la variabilidad de alta frecuencia y el supuesto de persistencia comienza a fallar. Para decisiones operativas a corto plazo (por ejemplo, mantenimiento diario), la persistencia es suficiente y más robusta.
• Protocolos Libres de Fugas: Al imponer una regla estricta de ingeniería de características de "no usar la misma etapa temporal entre profundidades", el estudio resalta cómo las prácticas estándar en el campo pueden convertir inadvertidamente las tareas de pronóstico en interpolación espacial, inflando artificialmente las métricas de desempeño.
• Guía Práctica: Los hallazgos ofrecen una guía basada en evidencia para los ingenieros: utilice la persistencia para pronósticos a corto plazo; considere la regresión Lasso para la planificación a profundidad intermedia y plazo medio; y considere los ensambles basados en árboles solo para la planificación estacional de capas profundas y largo plazo, siempre que se disponga de suficientes datos históricos (≥6 meses).

Limitaciones
Los autores reconocen que los resultados se basan en una sola estación y un solo ciclo anual. Aunque el sitio es representativo del clima continental, se requiere una validación entre estaciones a través de la red más amplia de KazDorNII (que abarca diferentes latitudes y tipos de suelo) para confirmar la generalizabilidad. Además, el conjunto de características excluyó covariables meteorológicas como la radiación solar y la velocidad del viento, lo que puede limitar el desempeño del pronóstico de la temperatura superficial. Finalmente, el estudio utilizó la base de referencia de persistencia más simple; el trabajo futuro debería comparar el ML contra bases de referencia más sofisticadas como modelos estacionales-ingenuos o modelos ARMA.