In this work, the machine learning methods for different projections of cellular data will be investigated. Using the real LTE cellular data traces, the hot spot predictions or dead zone predictions can be done to plan the network accordingly a priori.

The main idea of this project is to analyze a 4G network and to develop methods to predict its resource use based on the historical data. To achieve that, we have used techniques of Machine Learning. For the development of the project we have collaborated with one of the main telecommunication operators in Europe, who provided the different data of a production network from the center of a European capital. With these data we have prepared several models that are able to predict the state of the cells for a given time period (15 min). These predictions can be used for various applications, in our case the power saving, that is, to decide whether to turn off, turn on or not any of the cells in the network. Finally, we have analyzed the results, and we can conclude that the hypothesis that the ML would help us to predict or classify the network have been confirmed.

La idea principal de este proyecto es analizar una red 4G y ser capaces de predecir cómo se comporta, para ello se ha utilizado métodos y técnicas de Machine Learning. Para el desarrollo del proyecto hemos colaborado con uno de los principales operadores de telecomunicaciones en Europa, que nos facilitó los diferentes datos de una red en producción del centro de una capital europea. Con estos datos hemos preparado varios modelos que son capaces de predecir el estado de la red cada cierto periodo de tiempo (15 min). Con estas predicciones se pueden utilizar para diversas aplicaciones, en nuestro caso el ahorro energético, es decir, decidir si apagar, encender o no alguna de las celdas de la red. Finalmente hemos analizado los resultados, y podemos concluir que la hipótesis sobre que el ML nos ayudaría para predecir o clasificar la red se han confirmado.

L' idea principal d'aquest projecte és analitzar una xarxa 4G i ser capaços de predir com es comporta, per a això s'ha utilitzat mètodes i tècniques de Machine Learning. Pel desenvolupament del projecte hem col·laborat amb un dels principals operadors de telecomunicacions a Europa, que ens va facilitar les diferents dades d'una xarxa en producció del centre d'una capital europea. Amb aquestes dades hem preparat diversos models que són capaços de predir l'estat de la xarxa cada cert període de temps (15 min). Amb aquestes prediccions es poden utilitzar per a diverses aplicacions, en el nostre cas es l'estalvi energètic, és a dir, decidir si apagar, encendre o no alguna de les cel·les de la xarxa. Finalment hem analitzat els resultats, i podem concloure que la hipòtesis sobre que el ML ens ajudaria per predir o classificar la xarxa s'han confirmat.