Desempeño de un modelo de tráfico multivariable que permita estimar el valor medio del Throughput
DOI:
https://doi.org/10.17533/udea.redin.16310Palabras clave:
modelo de tráfico, modelo multivariable, redes Wi-Fi, throughputResumen
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.
Descargas
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
Cómo citar
Número
Sección
Licencia
Derechos de autor 2018 Revista Facultad de Ingeniería
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los artículos disponibles en la Revista Facultad de Ingeniería, Universidad de Antioquia están bajo la licencia Creative Commons Attribution BY-NC-SA 4.0.
Eres libre de:
Compartir — copiar y redistribuir el material en cualquier medio o formato
Adaptar : remezclar, transformar y construir sobre el material.
Bajo los siguientes términos:
Reconocimiento : debe otorgar el crédito correspondiente , proporcionar un enlace a la licencia e indicar si se realizaron cambios . Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o su uso.
No comercial : no puede utilizar el material con fines comerciales .
Compartir igual : si remezcla, transforma o construye a partir del material, debe distribuir sus contribuciones bajo la misma licencia que el original.
El material publicado por la revista puede ser distribuido, copiado y exhibido por terceros si se dan los respectivos créditos a la revista, sin ningún costo. No se puede obtener ningún beneficio comercial y las obras derivadas tienen que estar bajo los mismos términos de licencia que el trabajo original.