Análisis Comparativo de las Técnicas de Series de Tiempo Arima y Anfis para Pronosticar Tráfico Wimax

Comparative Analysis Of The Time Series Techniques Arima And Anfis For Wimax Traffic Forecast

  • Octavio José Salcedo Parra Universidad Autonoma de Colombia, Universidad Distrital Francisco José de Caldas Universidad de los Andes y Universidad Pontificia de Salamanca
  • César Augusto Hernández Suárez Universidad Distrital Francisco José de Caldas y Universidad Manuela Beltrán
  • Luis Fernando Pedraza Martínez Universidad Distrital Francisco José de Caldas y Universidad Militar Nueva Granada
Keywords: ANFIS, ARIMA, autocorrelación, estocástico, modelo de tráfico, serie de tiempo, Wimax (es_ES)

Abstract (es_ES)

En este documento se presenta el procedimiento y el resultado principal de un estudio comparativo basado en el uso de un modelo autoregresivo y una técnica de inteligencia artificial, aplicadas en una tarea de predicción de una serie de datos de tráfico Wimax. Los metodos de predicción de series de tiempo comparados son: el modelo ANFIS (Sistema de Interferencia Difuso Basado en Redes Adaptativas) y el modelo ARIMA (Modelos Autoregresivo Integrados de Medias Móviles). El objetivo del artículo es presentar datos significativos que muestren el desempeño de cada un ade las anteriores técnicas bajo el criterio de la suma del error cuadrático medio y el tiempo de procesamiento requerido. Como resultado de este estudio, se comparan los modelos ARIMA desarrollados bajo la plataforma RATS con respecto los modelos ANFIS desarrollados mediante MATLAB.

Abstract (en_US)

This paper presents the procedure and the main result of a comparative study based on the used of a autoregressive model and a technique artificial intelligence applied to the ask of predicting a series of traffic data Wimax. The prediction methods of time series compared are: the ANFIS model (Adaptative Network based Fuzzy Inteference System) and the ARIMA model (autoregressive integrated moving average). The goal of this article is to article is to present significant data showing the performance of each of the above techniques at the discretion of the shape of the root mean square error and time-processing required. As a resultsof this study, are compared the models ARIMA development under the software MATLAB.

Downloads

Download data is not yet available.

References

ALZATE, Marco Aurelio. Modelos de tráfico en análisis y control de redes de comunicaciones. En: Revista de ingeniería de la Universidad Distrital Francisco José de Caldas. Bogotá. Vol. 9, No. 1 (Junio 2004); p. 63-87.

BOX, G. E. P. y JENKINS, Gwilym M. Time series analysis: Forecasting and control. Revised Edition. Oakland, California: Editorial Holden-Day, 1976.

BROCKWELL, P.J. On continuous-time ARMA processes. En: Handbook of statistics. Elsevier, Amsterdam: Vol. 19, 2001. p. 249-276.

CAMERANO FUENTES, Rafael. Teoría de colas. Bogota: Fondo de publicaciones Universidad Distrital Francisco José de Caldas, 1997.

CORREA MORENO, Emilia. Series de tiempo: conceptos básicos. Medellín: Universidad Nacional de Colombia, Facultad de Ciencias, Departamento de matemáticas, 2004.

COUCH, L. Digital and analog communication system. New Jersey: Prentice Hall, 2001.

DAVIS, R. A. Maximum likelihood estimation for MA(1) processes with a root on or near the unit circle. In: Econometric theory. Vol. 12, 1996. p. 1-29

DETHE, Chandrashekhar y WAKDE D.G. On the prediction of packet process in network traffic using FARIMA time series model. Department of Electronics, College of Engineering, India. 2003.

GUERRERO GUZMAN, Víctor Manuel. Análisis estadístico de series de tiempo económicas. Segunda edición. México: Editorial Thomson, 2003.

HALANG, Z. Li and CHEN, G. Integration of fuzzy logic and chaos theory. Springer, 2006.

JANG, J.-S. ANFIS: Adaptive-network-based fuzzy inference systems. En: IEEE Transactions on systems, man, and cybernetics. Vol. 23, 1993.

JANG, J.-S. and MIZUTANI, Sun E. Neuro-fuzzy and soft computing--A computational approach to learning and machine intelligence. Prentice Hall, 1997.

MAKRIDAKIS, Spyros G.; WHEELWRIGHT, Steven C. y HYNDMAN, Rob J. Forecasting: methods and applications. Tercera edición. USA: Editorial Wiley, 1997.

PAJOUH, Danech. Methodology for traffic forescating. The French National Institute for Transport and Safety Research (INRETS). Arcuel. 2002.

STALLINGS, William. Comunicaciones y redes de computadores. Séptima edición. Madrid: Prentice Hall, 2004.

ZAK, S. Systems and control. Oxford: oxford university Press, 2003.

How to Cite
Salcedo Parra, O. J., Hernández Suárez, C. A., & Pedraza Martínez, L. F. (2006). Comparative Analysis Of The Time Series Techniques Arima And Anfis For Wimax Traffic Forecast. Ingeniería, 12(2), 73-79. https://doi.org/10.14483/23448393.2166
Published: 2006-11-30
Section
Ciencia, investigación, academia y desarrollo