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

Resumen

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.