Influencia meteorológica en las estrategias de predicción de partidos de fútbol mediante redes neuronales recurrentes

Abstract

La predicción de resultados futbolísticos, inherentemente estocástica, encuentra su máxima complejidad en el contexto sudamericano por su variabilidad altitudinal extrema y térmica. Esta investigación aborda la subestimación de los factores ambientales, determinando la influencia predictiva de variables meteorológicas mediante el uso de Redes Neuronales Recurrentes (RNN) en cuatro ligas profesionales de la región andina: Colombia, Chile, Ecuador y Perú. Los hallazgos revelaron que la incorporación de datos climáticos actúa como un catalizador de precisión no uniforme, dependiente del contexto nacional. En la liga peruana, esta adición no solo incrementó la potencia predictiva del modelo en un 6% respecto a su base puramente deportiva, sino que también optimizó su eficiencia computacional al permitir la simplificación de la arquitectura neuronal. El impacto es tangible, estableciendo referencias significativas en las ligas analizadas. Se concluye que, si bien la mejora es contextual, la evidencia global demuestra que, en geografías variables, el clima trasciende su rol secundario para erigirse como un determinante crucial del resultado final.