Modelo predictivo de fallas en red de fibra óptica con aprendizaje profundo en las parroquias rurales pertenecientes al cantón La Maná

Abstract

Este estudio propone un modelo predictivo basado en redes neuronales Bi-LSTM con mecanismos de atención, orientado a anticipar fallas en la red de fibra óptica rural de TecnoNet en el cantón La Maná. La investigación sigue un diseño aplicado, no experimental y de carácter analítico-explicativo, empleando un enfoque cuantitativo con series temporales multivariadas que combinan datos de telemetría óptica, variables meteorológicas, registros sísmicos y datos geográficos. El modelo fue entrenado y validado utilizando métricas como ROC-AUC, PR AUC, F1-score y Brier score, y comparado con Random Forest, XGBoost y CNN-1D. Los resultados muestran que el modelo Bi-LSTM genera alertas predictivas con al menos 24 horas de antelación, reduciendo el tiempo medio de reparación (MTTR) en más del 30 %. Las conclusiones destacan la viabilidad de transitar de una gestión reactiva a una gestión proactiva en redes de telecomunicaciones rurales, optimizando los recursos de mantenimiento, reduciendo tiempos de inactividad y contribuyendo a la disminución de la brecha digital.