El documento estudia la modelización eficiente y la predicción de los patrones de tráfico diario en redes de telecomunicaciones de transporte. La investigación se lleva a cabo utilizando dos conjuntos de datos históricos, a saber, WASK y SIX, que recopilan flujos de nodos de borde de dos redes de diferentes tamaños. WASK es un conjunto de datos novedoso introducido y analizado por primera vez en este documento, mientras que SIX es una fuente conocida de flujos de red. Para los conjuntos de datos considerados, el documento propone métodos de modelización y predicción de tráfico. Para la modelización del tráfico, se aplica la Transformada de Fourier. Para la predicción del tráfico, se proponen dos enfoques: basado en modelización (el modelo de pronóstico se genera en función de los modelos de tráfico históricos) y basado en aprendizaje automático (el tráfico de red se maneja como un flujo de datos donde se aplican métodos de regresión basados en bloques para el pronóstico). Luego, se realizan simulaciones extensas para verificar la eficiencia de los enfoques y su comparación. El método de modelización propuesto reveló una alta eficiencia especialmente para el conjunto de datos SIX, donde el error promedio fue inferior al 0,1%. La eficiencia de los dos enfoques de pronóstico difiere con los conjuntos de datos: los métodos basados en modelización lograron errores más bajos para SIX, mientras que los basados en aprendizaje automático para WASK. El error promedio de predicción para SIX alcanzó el 3,36%, mientras que el pronóstico para WASK resultó extremadamente desafiante.