Proyecciones de Población en Áreas Pequeñas a Partir de Modelos LSTM: el caso de Aguascalientes, México

El objetivo del trabajo es explorar el potencial de las redes Long Short Term Memory (LSTM) para la proyección de población en áreas pequeñas, con énfasis en la dinámica reciente de localidades del estado de Aguascalientes. A partir de información censal y de localidades para el periodo 1990–2020, se analizan los cambios en el número de localidades y en el volumen de población. Sobre esta base, se implementa un modelo LSTM que utiliza series de población para proyectar la población de áreas pequeñas (localidades). Los hallazgos muestran que el enfoque con LSTM puede capturar patrones no lineales de crecimiento y ofrecer proyecciones coherentes en contextos de rápida transformación territorial, aunque su desempeño depende fuertemente de la disponibilidad de series históricas suficientes y de una adecuada calibración del modelo. Se discuten las implicaciones de incorporar herramientas de inteligencia artificial en la práctica demográfica aplicada y se plantean líneas futuras de investigación para integrar explícitamente la dimensión espacio temporal y los procesos de surgimiento y desaparición de localidades en la modelación poblacional de áreas pequeñas.