Algoritmo de predicción de series de tiempo para el pronóstico del Tráfico Aéreo basado en redes neuronales artificiales.

• Autores: Laritza Asán Caballero, Jairo Rojas Delgado, Gerdys Ernesto Jiménez Moya
• Localización: Revista Cubana de Ciencias Informáticas, ISSN-e 2227-1899, Vol. 16, Nº. 4, 2022
• Idioma: español
• Títulos paralelos:
  • Time Series Prediction Algorithm for Air Traffic Forecasting based on artificial neural networks.
• Enlaces
  • Texto completo
• Resumen
  • español

    Poder conocer el comportamiento futuro del flujo de tránsito aéreo se ha convertido en un elemento imprescindible para el éxito y desarrollo de esta industria, sobre todo teniendo en cuenta su crecimiento constante. La predicción de series temporales es un área muy explotada en los tiempos actuales. Aunque cada serie es diferente, es común el empleo de modelos basados en la metodología Box-Jenkins y la regresión lineal. Por otro lado, la tendencia de los últimos años se inclina al uso de las redes neuronales. Dentro de este grupo, son muchas las variantes y parámetros a emplear. No se puede asegurar que un modelo sea mejor que otro, esto depende de los resultados que tenga cada uno con los datos de la serie y los conocimientos del investigador. En este trabajo se propone el empleo de dos variantes de un algoritmo predictivo basado en redes neuronales artificiales y redes neuronales con memoria de corto y largo plazo. El objetivo es determinar cuál de estas permite obtener los mejores resultados en cuanto a precisión y tiempo de ejecución del entrenamiento. Los resultados obtenidos muestran que el entrenamiento para el modelo basado en redes neuronales artificiales es el más preciso empleando menos tiempo para el entrenamiento de la red. En este resultado es evidente que el modelo más sencillo puede ser la mejor opción para el proceso de predicción.

  • English

    Being able to know the future behavior of the air traffic flow has become an essential element for the success and development of this industry, especially considering its constant growth. Time series forecasting is a highly exploited area nowadays. Although each series is different, the use of models based on the Box-Jenkins methodology and linear regression is common. On the other hand, the trend of recent years is towards the use of neural networks. Within this group, there are many variants and parameters to be used. It cannot be guaranteed that one model is better than another, this depends on the results that each one has with the data of the series and the knowledge of the researcher. In this work, the use of two variants of a predictive algorithm based on artificial neural networks and neural networks whist short and long-term memory is proposed. The objective is to determine which of these allow to obtain the best results in terms of precision and execution time of the training. The results obtained show that the training for the model based on artificial neural networks is the most accurate, using less time for network training. In this result it is evident that the simplest model may be the best option for the prediction process.