Desempeño de un modelo de tráfico multivariable que permita estimar el valor medio del Throughput

Autores/as

  • Cesar Hernández Universidad Distrital Francisco José de Caldas
  • C. Salgado Universidad Distrital Francisco José de Caldas
  • O. Salcedo Universidad Distrital Francisco José de Caldas

DOI:

https://doi.org/10.17533/udea.redin.16310

Palabras clave:

modelo de tráfico, modelo multivariable, redes Wi-Fi, throughput

Resumen

El presente trabajo de investigación tiene por objetivo desarrollar un modelo multivariable de tráfico para una red de datos Wi-Fi que permita estimar el valor medio de throughput; para lograr lo anterior se procedió a capturar los datos correspondientes con el software WireShark de una red inalámbrica Ad Hoc compuesta por ocho host, diseñada e implementada para tal fin. A continuación se estimaron los modelos multivariados más convenientes de acuerdo a las características del tráfico capturado y posteriormente se evaluaron los resultados obtenidos a partir del software STATA, determinando las variables explicativas más significativas dentro del modelo y su nivel desempeño.

Los resultados arrojados por este proyecto de investigación demuestran la autosimilaridad presente en el tráfico capturado de la red Wi-Fi, además, se muestran en diferentes tablas los coeficientes de los modelos y sus respectivos niveles de significancia. Finalmente se desarrolló un modelo multivariado de cuatro variables explicativas a partir de la metodología de mínimos cuadrados ordinarios con un error porcentual del 22,16.

Como conclusión, el modelo multivariado de tráfico desarrollado permite realizar un análisis de los valores medios del throughput con suficientes niveles de confiabilidad, sin embargo, no realiza una buena predicción de los valores de tráfico para datos que estén fuera del conjunto seleccionado para su estimación.

|Resumen
= 110 veces | PDF
= 54 veces|

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Cesar Hernández, Universidad Distrital Francisco José de Caldas

Facultad Tecnológica.

C. Salgado, Universidad Distrital Francisco José de Caldas

Facultad de Ingeniería.

O. Salcedo, Universidad Distrital Francisco José de Caldas

Facultad de Ingeniería.

Citas

C. Hernández, O. Salcedo, A. Escobar. “An ARIMA model for forecasting Wi-Fi data networks traffic values”. Revista Ingeniería e Investigación. Vol. 29. 2009. pp. 65-69. DOI: https://doi.org/10.15446/ing.investig.v29n2.15163

M. Alzate. “Modelos de tráfico en análisis y control de redes de Comunicaciones”. Colombia Ingeniería. Vol. 9. 2004. pp. 63-87.

M. Tiep, G. Bidisha, W. Simon. “Multivariate short-term traffic flow forecasting using Bayesian vector autoregressive moving average model”. Transportation Research Board. Vol. 12. 2012. pp. 16.

M. Papadopouli, H. Shen, E. Raftopuulos, M. Ploumidis, F. Hernández. Short-term traffic forecasting in a campus-wide girdles network. in IEEE 16th International Symposium on Personal, Indoor and Mobile Radio Communications. Berlin, Germany. 2005. pp. 1446-1452

D. Mark, R. McDonald, R. Antoon. Aspectos Básicos de Networking. Ed. Cisco Press. Madrid, España. 2008. pp. 606.

P. Fierens. Introducción a las Redes Wi-Fi. Instituto Tecnológico de Buenos Aires. Boletín electrónico: Comisión Interamericana de Telecomunicaciones. No. 14. Agosto. 2005.

N. Torres, L. Pedraza, C. Hernández. “Redes neuronales y predicción de tráfico”. Tecnura. Vol. 15. 2011. pp. 90-97.

J. Sa Silva, R. Ruivo, T. Camilo. IP in wireless sensor networks Issues and lessons learnt. In Proceedings of the 3rd International Conference on Communication Systems Software and Middleware and Workshops. Bangalore, India. 2008. pp. 496-502. DOI: https://doi.org/10.1109/COMSWA.2008.4554464

A. Feria. Modelo OSI. Ed. El Cid Editor. Santa Fe, Argentina. 2009. pp. 14.

G. Box, G. Jenkins, G. Reinsel. “Forecasting and Control”. Time Series Analysis. 3rd ed. Ed. PrenticeHall. Englewood Cliffs. San Francisco, USA. pp. 75. 1994.

Y. Chia, J. Shyu. “Applying multivariate time series models to technological product sales forecasting”. International Journal of Technology Management. Vol. 27. 2004. pp. 306-319. DOI: https://doi.org/10.1504/IJTM.2004.003957

M. Ariño, P. Franses. “Forecasting the levels of vector autoregressive log-transformed time series”. International Journal of Forecasting. Vol. 16. 1999. pp. 111-116. DOI: https://doi.org/10.1016/S0169-2070(99)00025-4

J. Carroll, C. Hernández. “Comparación del modelo FARIMA y SFARIMA para obtener la mejor estimación del tráfico en una red Wi-Fi”. Tecnura. Vol. 16. 2012. pp. 84-90. DOI: https://doi.org/10.14483/udistrital.jour.tecnura.2012.2.a07

A. Dainotti, A. Pescapé, P. Rossi, F. Palmieri, G. Ventre. “Internet traffic modeling by means of Hidden Markov Models”. Computer Networks. Vol. 52. 2008. pp. 2645-2662. DOI: https://doi.org/10.1016/j.comnet.2008.05.004

K. Balaji. Forecasting models and adaptive quantized bandwidth provisioning for nonstationary network traffic. PhD. Dissertation. University of Missouri. Kansas City, United States. 2006. pp. 173.

Descargas

Publicado

2013-08-16

Cómo citar

Hernández, C., Salgado, C., & Salcedo, O. (2013). Desempeño de un modelo de tráfico multivariable que permita estimar el valor medio del Throughput. Revista Facultad De Ingeniería Universidad De Antioquia, (67), 52–62. https://doi.org/10.17533/udea.redin.16310