DOI:

https://doi.org/10.14483/23448350.4019

Publicado:

2013-06-26

Número:

Vol. 16 Núm. 2 (2012): junio- diciembre

Sección:

Ciencia e ingeniería

Revisión De Los Principales Métodos De Modelamiento Y Predicción De Tráfico Orientados A Plataformas De Transmisión De Video E IPTV Usando Series De Tiempo

Autores/as

  • Bayron Villanueva Universidad Distrital Francisco José de Caldas
  • Danilo López-Sarmiento
  • Edwin Rivas-Trujillo

Palabras clave:

ARIMA, IPTV, modelo de tráfico, SARIMA, series de tiempo. (es).

Descargas

Resumen (es)

En este artículo se hace una investigación de las principales técnicas que existen para modelar y predecir el tráfico de video de forma estadística, enfocándose en los modelos que usan series de tiempo con el fin de identificar cuáles de estos se acomodan mejor al tráfico estocástico representativo de los sistemas IPTV. Para tal fin, se hace una introducción al análisis a través de series de tiempo, y una presentación del estado del arte acerca de modelamiento de tráfico de video sobre redes de datos. De la investigación se concluye que, de los modelos que permiten describir y predecir el tráfico futuro sobre redes de datos, los que se ajustan en una mayor medida a sistemas IPTV son modelos basados en series ARIMA, de estos, el modelo SARIMA podría describir de forma más precisa las tendencias periódicas del tráfico IPTV.

Abstract

This paper, intends to review the most important techniques that allow performing statistic video traffic modeling and forecasting, focusing in time series models, so we can identify which models are better to describe the representative IPTV stochastic traffic. For this purpose, we make a short introduction to time series analysis, and a review of the state of the art on video traffic modeling over data networks. From this research we conclude that, of all the available models to describe and forecast network traffic, the more appropriate to use within IPTV systems are ARIMA time series models, from which SARIMA model are the best option.

Resumo

Este artigo tem como objetivo revisar as principais técnicas existentes para a modelagem e previsão de tráfego estatisticamente vídeo, com foco em modelos usando séries temporais, a fim de identificar quais destes são o tráfego estocástico mais adequado representante sistemas IPTV. Para este fim, uma breve introdução à análise por meio de séries temporais, e uma revisão do estado da arte em modelagem de tráfego de vídeo através de redes de dados. A investigação concluiu que, dos modelos para descrever e prever o futuro de tráfego em redes de dados, que são ajustados a uma maior extensão de sistemas de IPTV são baseados em modelos da série ARIMA, estes modelo SARIMA poderia descrever em mais preciso do tráfego periódico tendências IPTV.

Cómo citar

APA

Villanueva, B., López-Sarmiento, D., & Rivas-Trujillo, E. (2013). Revisión De Los Principales Métodos De Modelamiento Y Predicción De Tráfico Orientados A Plataformas De Transmisión De Video E IPTV Usando Series De Tiempo. Revista Científica, 16(2), 10–21. https://doi.org/10.14483/23448350.4019

ACM

[1]
Villanueva, B., López-Sarmiento, D. y Rivas-Trujillo, E. 2013. Revisión De Los Principales Métodos De Modelamiento Y Predicción De Tráfico Orientados A Plataformas De Transmisión De Video E IPTV Usando Series De Tiempo. Revista Científica. 16, 2 (jun. 2013), 10–21. DOI:https://doi.org/10.14483/23448350.4019.

ACS

(1)
Villanueva, B.; López-Sarmiento, D.; Rivas-Trujillo, E. Revisión De Los Principales Métodos De Modelamiento Y Predicción De Tráfico Orientados A Plataformas De Transmisión De Video E IPTV Usando Series De Tiempo. Rev. Cient. 2013, 16, 10-21.

ABNT

VILLANUEVA, B.; LÓPEZ-SARMIENTO, D.; RIVAS-TRUJILLO, E. Revisión De Los Principales Métodos De Modelamiento Y Predicción De Tráfico Orientados A Plataformas De Transmisión De Video E IPTV Usando Series De Tiempo. Revista Científica, [S. l.], v. 16, n. 2, p. 10–21, 2013. DOI: 10.14483/23448350.4019. Disponível em: https://revistas.udistrital.edu.co/index.php/revcie/article/view/4019. Acesso em: 20 abr. 2021.

Chicago

Villanueva, Bayron, Danilo López-Sarmiento, y Edwin Rivas-Trujillo. 2013. «Revisión De Los Principales Métodos De Modelamiento Y Predicción De Tráfico Orientados A Plataformas De Transmisión De Video E IPTV Usando Series De Tiempo». Revista Científica 16 (2):10-21. https://doi.org/10.14483/23448350.4019.

Harvard

Villanueva, B., López-Sarmiento, D. y Rivas-Trujillo, E. (2013) «Revisión De Los Principales Métodos De Modelamiento Y Predicción De Tráfico Orientados A Plataformas De Transmisión De Video E IPTV Usando Series De Tiempo», Revista Científica, 16(2), pp. 10–21. doi: 10.14483/23448350.4019.

IEEE

[1]
B. Villanueva, D. López-Sarmiento, y E. Rivas-Trujillo, «Revisión De Los Principales Métodos De Modelamiento Y Predicción De Tráfico Orientados A Plataformas De Transmisión De Video E IPTV Usando Series De Tiempo», Rev. Cient., vol. 16, n.º 2, pp. 10–21, jun. 2013.

MLA

Villanueva, B., D. López-Sarmiento, y E. Rivas-Trujillo. «Revisión De Los Principales Métodos De Modelamiento Y Predicción De Tráfico Orientados A Plataformas De Transmisión De Video E IPTV Usando Series De Tiempo». Revista Científica, vol. 16, n.º 2, junio de 2013, pp. 10-21, doi:10.14483/23448350.4019.

Turabian

Villanueva, Bayron, Danilo López-Sarmiento, y Edwin Rivas-Trujillo. «Revisión De Los Principales Métodos De Modelamiento Y Predicción De Tráfico Orientados A Plataformas De Transmisión De Video E IPTV Usando Series De Tiempo». Revista Científica 16, no. 2 (junio 26, 2013): 10–21. Accedido abril 20, 2021. https://revistas.udistrital.edu.co/index.php/revcie/article/view/4019.

Vancouver

1.
Villanueva B, López-Sarmiento D, Rivas-Trujillo E. Revisión De Los Principales Métodos De Modelamiento Y Predicción De Tráfico Orientados A Plataformas De Transmisión De Video E IPTV Usando Series De Tiempo. Rev. Cient. [Internet]. 26 de junio de 2013 [citado 20 de abril de 2021];16(2):10-21. Disponible en: https://revistas.udistrital.edu.co/index.php/revcie/article/view/4019

Descargar cita

Visitas

394

Dimensions


PlumX


Descargas

Los datos de descargas todavía no están disponibles.