Browsing by Author "Hernandez Canales, Ricardo Andres"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Predicción de la velocidad de usuario en entornos dinámicos.
    (Universidad de Concepción, 2025) Hernandez Canales, Ricardo Andres; Godoy Medel, Sebastián Eugenio
    El objetivo principal de esta memoria fue desarrollar modelos de regresión para predecir la velocidad de descarga y subida de usuarios en entornos dinámicos. Para ello, se utilizaron datos recopilados durante la marcha blanca de la Ley 21.046 en Chile, incluyendo variables técnicas de red (latencia, pérdida de paquetes), patrones temporales y recursos del dispositivo (RAM, CPU). La metodología se centró en un enfoque basado en datos reales: Se realizó un exhaustivo preprocesamiento y limpieza, que incluyó la eliminación de pruebas incompletas o con errores, el filtrado de velocidades superiores a 1000 Mbps para enfocarse en rangos típicos de tráfico, y la extracción de estadísticas (media, desviación estándar, máximo, integral y derivada) de las variables vectoriales. Para el modelado predictivo, se evaluaron diez regresores, seleccionando LightGBM como el modelo base por su equilibrio entre precisión y capacidad de generalización. Se aplicó una selección progresiva de variables basada en la importancia intrínseca de LightGBM, lo que permitió reducir drásticamente la complejidad del modelo sin comprometer el rendimiento. Como resultados, se construyeron seis modelos de regresión diferenciados por tipo de servidor (Local, Nacional, Internacional) y variable objetivo (velocidad de descarga y subida). Los errores cuadráticos medios (RMSE) promedios obtenidos mediante validación cruzada fueron: Descarga, Local (48.35 Mbps), Nacional (57.75 Mbps), Internacional (64.39 Mbps). Subida: Local (47.58 Mbps), Nacional (57.95 Mbps), Internacional (70.23 Mbps). Las variables más relevantes para la predicción incluyeron métricas derivadas del tráfico recibido (rx) y transmitido (tx), mediciones de ping, latencia de la red local (gwLat), el identificador del proveedor de servicios de internet (ISP) y los recursos del dispositivo (uso de CPU, RAM y procesos de red). En conclusión, se demostró que es posible construir modelos regresores capaces de estimar valores aproximados de velocidad de conexión a partir de variables ambientales y operativas del usuario.
Síguenos en...