Publicación:

Proyección del comportamiento de enlaces en redes inalámbricas lln mediante series temporales no estacionarias aplicando algoritmos de aprendizaje automático

Resumen

Las series temporales son idóneas para representar, a través del tiempo, la calidad de los enlaces en redes IEEE 802.15.4. Por ende, es considerable proyectar o predecir las métricas de la calidad de enlace como RSSI y LQI para optimizar el rendimiento en este tipo de redes. Este proyecto se sustenta en el uso de algoritmos de aprendizaje automático para predecir o proyectar métricas de la calidad de enlaces en series temporales univariantes no estacionarias. A lo largo de este documento se introducen conceptos teóricosmatemáticos de las series temporales, los algoritmos aplicados (RF, SVR, LSTM y ARIMA), pretratamiento y tratamiento de los datos, experimentación, resultados y evaluación de los modelos. Se concluye que, para la media de los 104 experimentos ejecutados, la m Forward Valida ra el modelo ARIMA, ya que permite una buena precisión en las observaciones, pero un alto tiempo de ejecución, superando en este factor a los demás modelos. Por su parte, RF se asemeja notoriamente a LSTM en términos de error, presentando RF un tiempo de ejecución menor. Experimentalmente SVR obtuvo mejora notoria al aplicar promedios móviles a las series temporales, demostrando una disminución del error porcentual de más del 6%