Imputation methods for missing values: the case of Senegalese meteorological data Méthodes d'imputation pour les valeurs manquantes : le cas des données météorologiques sénégalaises

Climate change studies require comprehensive databases to analyze the climate signal, to monitor its evolution, and to predict more accurately future changes. Since complete observation of any continuous process is almost impossible, it is then inevitable to encounter missing information in meteorological databases. The aim of this work is to evaluate the performance of five (5) imputation methods: missForest, k-nn, ppca, mice and imputeTS. The results show that missForest is the best performing method to handle missing temperature data. In the case of precipitation data, the imputeTS method is the preferred one. Les études sur le changement climatique nécessitent des bases de données complètes afin d’analyser le signal climatique, de suivre son évolution et de prédire les changements futurs avec plus de précision. L’observation complète de tout processus continu étant presque impossible, il est alors inévitable de rencontrer des informations manquantes dans les bases de données météorologiques. Le but de ce travail est d’évaluer la performance de cinq (5) méthodes d’imputation: missForest, k-nn, ppca, mice et imputeTS. Les résultats montrent que missForest est la méthode la plus performante pour traiter les données de température manquantes. Dans le cas des données de précipitations, la méthode imputeTS est la technique de remplissage des lacunes à privilégier.