9. REFERENCIAS

Estudio / Artículo

Lo que hicieron / contexto

Lo que hallaron / técnicas relevantes

Cómo se puede aplicar a nuestro proyecto

“Automated Opex Forecasting For Efficient Financial Planning” (Inxite Out)

https://inxiteout.ai/case-studies/automated-opex-forecasting-for-efficient-financial-planning

Empresa farmacéutica con muchas series de OpEx (15,000+ series, 500 centros de coste) con previsiones a 24 meses.

Usaron modelos univariantes clásicos (SARIMA, ETS) como baseline; luego ML y modelos multivariantes. Hubo mejora al usar modelos automáticos, estandarización de series y preprocesado.

Muy parecida escala (“muchas series”) → es útil para comparar errores de baseline vs ML. También interés en gestión automatizada, como vosotros.

“Machine learning-based cost predictive model for better LRT OPEX” (G. Zhou et al., 2022)

https://www.sciencedirect.com/science/article/pii/S1077291X22000315

En transporte ferroviario (“Light Rail Transit”), costos operativos en planificación.

Integraron variables operativas + estructuras de costes, ML para prever OPEX; estudiaron cómo ciertos categóricos mejoran precisión.

Técnica similar: muchos costes operativos vinculados a atributos categóricos del activo. Buena inspiración sobre qué features externas usar.

“Categorical Encoding: A Forecasting-Driven Approach” (Artefact)

https://medium.com/artefact-engineering-and-data-science/encoding-categorical-features-in-forecasting-are-we-all-doing-it-wrong-fe8a9a6488da

Proyecto retail, forecasting de ventas con muchas categorías, se dieron cuenta de que los codificadores clásicos de categóricas estaban sesgando los modelos.

Propusieron codificación que considera la tendencia histórica de cada categoría (no solo media estática), lo que ayuda a mejorar precisión y reducir sesgo.

Directa aplicación: para variables como ID_BUILDING, no usar solo codificación estática, sino considerar tendencias específicas del edificio.

“Comparative Study on the Performance of Categorical Variable Encoders…” (W. Zhu et al., 2024)

https://arxiv.org/pdf/2401.09682

Compararon 14 codificadores (One-Hot, Target Encoding, Hash, etc.) en muchos datasets de regresión y clasificación.

Hallazgo: para modelos basados en árboles, los Target Encoders y sus variantes (regularizados) funcionaban mejor que OHE cuando la cardinalidad era alta. OHE mejor cuando cardinalidad baja o en modelos lineales.

Muy relevante: para vuestra variable ID_BUILDING la recomendación es clara — usar Target Encoding en modelos basados en árboles. También permite formular una regla: aplicar OHE solo cuando número de clases pequeño.

“A predictive model for an effective maintenance of hospital critical systems” (Al-Tal et al., 2021)

https://www.cal-tek.eu/proceedings/i3m/2021/emss/001/pdf.pdf

Predicción de condición de AHU (unidad de HVAC) en un hospital, usando datos de sensores (BMS), sistemas de mantenimiento (CMMS), se combinan SVM + Prophet para mantenimiento.

Aunque el foco no es tanto coste mensual por edificio, sí muestra cómo usar series temporales + ML, cómo estructurar predicción de condiciones que luego se traducen en costes operativos, identificación de señales tempranas.

Útil para pensar en modelos híbridos, cómo traducir condiciones predichas a costes reales, y para inspiración de métricas de mantenimiento.

Estudio

Qué combina

Cómo lo desarrollan / flujo técnico

Lo que lograron / aprendizajes

Time‐Series Forecasting Using Prophet + XGBoost (Order Volumes) — SMS Logistics

Prophet para capturar tendencia y estacionalidad + XGBoost para modelar residuos / patrones no lineales.

https://kth.diva-portal.org/smash/get/diva2%3A1982923/FULLTEXT01.pdf

Flujo típico: 1. Limpieza de datos históricos de órdenes (varios años). 2. Primer modelo: Prophet predice valores esperados. 3. Se calcula el residuo = real − predicción Prophet. 4. Se entrena un XGBoost con features como: mes, año, indicador de feriados / eventos especiales, residuo pasado, región, etc., para predecir residuo. 5. La predicción final = Prophet(predicción) + XGBoost(predicción de residuo). 6. Validación out-of-sample, comparando Prophet solo vs híbrido.

Mejoras en wMAPE en todos los periodos de prueba comparado con Prophet solo; sobre todo mejor captura de picos y de efectos de feriados o días especiales. Muestra que la estrategia híbrida capta bien lo que los modelos de tendencia/estacionalidad clásicos dejan como “error”.

Hybrid forecasting of energy / building consumption — SAMFOR (SARIMA + SVR + optimizador Firefly)

Modelo híbrido que mezcla SARIMA (modelo estadístico) + Support Vector Regression (ML) con optimización heurística (algoritmo Firefly) para predecir consumo energético de edificios.

https://www.nature.com/articles/s41598-022-19935-6

Flujo: 1. Datos horarios o en intervalos fines de energía. 2. Detección de estacionalidad, temporadas altas/bajas, calendario, datos temporales météo. 3. SARIMA se usa para capturar componente lineal / estacional. 4. SVR para los residuos que SARIMA no explica, ajustando hiperparámetros con algoritmo Firefly. 5. Evaluación de métricas como RMSE, MAPE; comparativa con modelos individuales (solo SARIMA, solo SVR).

El modelo híbrido “SARIMA + SVR optimizado” (SAMFOR) resultó claramente mejor que los sistemas individuales. enseñanza: la combinación de un modelo estadístico + uno ML ayuda mucho cuando los datos tienen estructura clara de estacionalidad y múltiples no linealidades residuales.

Hybrid LSTM-Prophet para consumo de energía / series complejas

Prophet (descomposición de tendencia/estacionalidad) + LSTM para capturar patrones más complejos y no lineales, además efectos residuales.

https://peerj.com/articles/cs-1001/

Flujo típico: 1. Preprocesamiento: descomposición (por ejemplo extraer lo estacionario/trend) o dejar Prophet explicar parte del patrón. 2. Entrenamiento de Prophet. 3. Cálculo de residuos. 4. Entrenamiento de LSTM con los residuos como objetivo, con entradas que pueden incluir rezagos del residuo, variables externas (exógenas) si están disponibles. 5. Validación comparativa entre Prophet solo, LSTM solo, híbrido. 6. En algunos casos ponderación o combinación (“ensemble”) de las predicciones.

El híbrido mejora la predicción frente a Prophet solo, especialmente en variaciones abruptas o eventos fuera de lo normal. Da mayor estabilidad, menos error máximo, y mejor captura de fluctuaciones.

“Seasonal-adjusted ML-based hybrid models” (para advertencias de ola de calor)

Combinan descomposición de la serie (STL u otras) + mezcla de modelos: ARIMA / ETS / TBATS etc. para parte lineal/estacional + ML (SVR, LSTM, Random Forest) para patrones residuales / no lineales.

https://www.nature.com/articles/s41598-025-93227-7

Flujo: 1. Descomposición de la serie (STL) para separar componentes de tendencia, estacionalidad. 2. Modelos estadísticos sobre esos componentes principales. 3. Residuo = parte que queda sin explicación. 4. ML sobre el residuo; seleccionan entre varios: ANN, LSTM, SVR, etc. 5. Combinación de predicciones: estadístico + ML. 6. Validación con MAE, MAPE, RMSE, etc.

Claramente mejor rendimiento cuando se compara con modelos puramente estadísticos o puramente ML. También importante: seleccionan cuáles variables exógenas ayudan más; hacer “seasonal-adjusted” mejora, especialmente en series con estacionalidad fuerte.