Modelos predictivos para series temporales de tráfico aéreo: una revisión de la literatura

Resumen

La predicción de series temporales de tráfico es un área muy explotada en los tiempos actuales, donde la información es el activo más valioso. Aunque cada serie es diferente, es común el empleo de modelos basados en regresión lineal y Redes Neuronales Artificiales. También, se suelen emplear modelos basados en la metodología Box-Jenkings y Máquinas de Soporte Vectorial, entre otros que se enunciarán en la siguiente investigación.  Cada modelo tiene sus ventajas y debilidades, por lo que no se suele asegurar que uno sea mejor que otro, esto depende de las características de la serie con la que se trabaja y los conocimientos del investigador. El presente artículo resume una revisión de las últimas investigaciones científicas relacionadas con los modelos predictivos de series de tiempo, centrándose en las de tráfico aéreo.  Su objetivo es determinar cuáles de estos modelos son los más empleados, para obtener los mejores resultados en cuanto a precisión y tiempo de ejecución del entrenamiento para una serie de tráfico aéreo. En este trabajo se incluyen varias publicaciones que cubren el período desde principios de 2010 hasta 2022. Una síntesis de fuentes bibliográficas aclara las ventajas y desventajas de diferentes modelos y descubre tendencias en sus aplicaciones. A partir de este análisis se evidencia un mayor uso de modelos ARIMA, SARIMA, Redes Neuronales y la combinación de estos. Además, se definen retos y ventajas de varias investigaciones que puedan contribuir a futuros problemas de pronóstico de tráfico con características espaciotemporales.