Proyección del comportamiento de enlaces en redes inalámbricas lln mediante series temporales no estacionarias aplicando algoritmos de aprendizaje automático
No Thumbnail Available
Date
2021
Authors
Advisors
Evaluators
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
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%
Description
Keywords
IEEE 802.15.4, Series de tiempo no estacionaria, LSTM, Random Forest, Support Vector Regressor, ARIMA, predicciones series de tiempo.