Los algoritmos de Inteligencia Artificial (IA) y aprendizaje automático (ML) han demostrado ser revolucionarios en el campo de la predicción de tráfico para las redes de quinta generación (5G) y sexta generación (6G). Investigadores de la Universidad RUDN han llevado a cabo recientemente un estudio para explorar la eficacia de la IA y el ML en la predicción de perfiles de redes móviles. Al aprovechar estas tecnologías avanzadas, los proveedores de redes pueden planificar y gestionar mejor el tráfico de la red, lo que conduce a una mayor satisfacción del usuario y eficiencia de la red.
En su estudio, los investigadores se centraron en dos modelos populares de análisis de series temporales: el modelo Holt-Winter y el modelo Seasonal Integrated Autoregressive Moving Average (SARIMA). Utilizando un conjunto de datos de un operador móvil portugués, los investigadores agregaron estadísticas de tráfico por hora para entrenar y probar los modelos. Descubrieron que ambos modelos tuvieron un desempeño excepcionalmente bueno en la predicción del tráfico en la próxima hora.
El modelo SARIMA demostró su fortaleza en la predicción del tráfico de usuario a estación base, logrando una tasa de error promedio de solo el 11.2%. Este modelo sobresale en la monitorización de patrones transitorios en el tráfico de red móvil debido a su capacidad para registrar patrones temporales. Por otro lado, el modelo Holt-Winter mostró un mejor rendimiento en la estimación del tráfico de estación base a usuario, con una tasa de error de hasta el 4%. La capacidad de este modelo para manejar componentes de estacionalidad y tendencias intrincadas contribuyó a su precisión.
Para medir el rendimiento de los modelos, los investigadores utilizaron diversos criterios como el Error Cuadrático Medio (MSE), el Error Cuadrático Medio de la Raíz (RMSE), el Error Absoluto Medio (MAE), el Error Porcentual Absoluto Medio (MAPE) y el Error Logarítmico Escalado Medio (MSLE). Si bien los modelos obtuvieron resultados impresionantes, los investigadores destacaron el potencial de mejora mediante el ajuste fino de hiperparámetros específicos.
Los investigadores enfatizaron la necesidad de combinar modelos estadísticos con técnicas de IA y ML para mejorar la precisión de las predicciones de tráfico y detectar anomalías de manera oportuna. A medida que los investigadores continúan explorando métodos para optimizar el rendimiento y mejorar la satisfacción del usuario, este estudio tiene implicaciones significativas para la eficiencia de las redes 5G y 6G.
Con la introducción de tecnología de vanguardia y una búsqueda constante de precisión en la predicción del tráfico de la red, los algoritmos de IA y ML brindan nuevas posibilidades al mundo de las telecomunicaciones. A medida que los proveedores se esfuerzan por maximizar la eficiencia de la red, los valiosos conocimientos obtenidos de esta investigación impulsarán avances en este campo en constante evolución.
The source of the article is from the blog lisboatv.pt