Valverde Alulema, Francisco XavierSoria Paula, Wilmer Adalberto2026-06-252026-06-252026-06-24UPSE-MTE-2026-007https://repositorio.upse.edu.ec/handle/46000/16858Este 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.spaopenAccessAttribution-NonCommercial-NoDerivs 3.0 United Stateshttp://creativecommons.org/licenses/by-nc-nd/3.0/us/FIBRA ÓPTICAMANTENIMIENTO PREDICTIVOAPRENDIZAJE PROFUNDOBI-LSTMTELECOMUNICACIONES RURALESmasterThesis