收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于风能补给和神经网络的环境监测物联网研究

裴栋  
【摘要】:在环境监测物联网中,为了能够快速而准确地完成对监测区域环境相关信息的采集、传输和处理,需要选择合适的路由算法。其中,分簇路由算法是目前研究的热点方向之一。同时,随着能量采集技术的不断成熟,网络节点可以利用环境中的能源来补充节点能量,改善节点电池能量受限的问题。目前,已经有学者将环境能量采集技术应用到分簇路由算法之中,并取得了很好的效果。另外,将数据融合技术应用到环境监测物联网中不仅可以消除大量的冗余数据、提高数据收集效率,而且可以提高获取信息的准确性。而基于神经网络的数据融合更是该领域研究的热点方向。因此,本文将基于能量采集技术的分簇路由算法和基于神经网络的数据融合技术应用到环境监测物联网之中,来提高环境监测物联网的整体性能。本文设计并实现了基于风能补给的分簇路由算法和基于神经网络的数据融合算法,利用监测区域的风能对网络中的传感器节点进行能量补给,并且对节点采集到的数据从时间相关性和空间相关性两个维度进行数据融合处理。具体完成的工作如下:首先,本文提出了基于风能补给的分簇路由算法,主要做了以下四个方面的工作。第一,通过将风功率预测算法引入到分簇路由算法来衡量节点风能补给能力,分别使用支持向量机(Support Vector Machine,SVM)、随机森林、BP(Back Propagation)神经网络来建立预测模型,选择效果最好的BP神经网络预测模型为最终能量补给预测模型。第二,在簇头选取阶段,综合考虑距离、节点电池剩余能量以及节点风能补给能力,使得距离汇聚节点近、电池剩余能量高且风能补给能力强的节点成为簇头节点。第三,在普通节点入簇时,使用数据融合率为平衡因子,使得节点可以加入整体能耗代价(普通节点到簇头节点以及簇头节点到汇聚节点整体消耗的能量)最小的簇。第四,设计节点睡眠唤醒机制,来合理利用补给能量。其次,本文利用神经网络技术从时间相关性和空间相关性两个维度对数据进行融合。在普通节点利用循环神经网络(Recurrent neural network,RNN)对数据进行时间特征的融合,而在簇头节点利用卷积神经网络(Convolutional Neural Network,CNN)进空间特征的融合,并且加入线性门控单元(Gated Linear Unit,GLU)对CNN进行改进。最后,本文利用网络仿真系统ONE来实现所提出的分簇路由算法和数据融合算法。从活动节点数、网络总体剩余能量和汇聚节点接收数据量三个方面将本文提出的分簇路由算法与已有分簇路由算法PHC进行对比。使用了加利福尼亚大学欧文分校(University of California Irvine,UCI)机器学习中心公开数据资源中的森林火灾和空气质量两个数据集进行实验。实验结果表明,本文所提出的基于时间相关性和空间相关性的数据融合算法在第一个数据集上分类预测准确率达到82%且回归预测效果表现最好,同时在第二个数据集分类预测准确率达到87%且回归预测效果表现最好。同时,本文所提出的分簇路由算法在三个评价指标上的表现都要优于已有分簇路由算法。以上结果表明本文所提出的分簇路由算法可行性高且性能优异。


知网文化
【相似文献】
中国期刊全文数据库 前16条
1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期
2 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期
3 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期
4 王丽华;杨秀萍;王皓;高峥翔;;智能双轮平衡车的设计研究[J];数字技术与应用;2018年04期
5 张庭略;;基于硬件的神经网络加速[J];通讯世界;2018年08期
6 苏秀婷;;耦合神经网络的同步[J];绍兴文理学院学报(自然科学);2016年03期
7 朱溦;;神经网络结合平均影响值方法筛选变量[J];产业与科技论坛;2017年01期
8 ;硅光子神经网络亮相[J];石油工业计算机应用;2016年04期
9 任刚红;杜坤;周明;刘年东;张晋;;基于级联神经网络的年降雨量预测[J];土木建筑与环境工程;2016年S2期
10 金鑫;李龙威;季佳男;李祉歧;胡宇;赵永彬;;基于大数据和优化神经网络短期电力负荷预测[J];通信学报;2016年S1期
11 陈明;张凤荣;肖茜文;;基于灰色系统神经网络的中国低碳能源供需形势分析[J];生态经济;2017年02期
12 张国玲;;基于情感神经网络的风电功率预测[J];电信科学;2017年03期
13 梁燕华;张传斌;;基于神经网络数据融合实现火灾预警[J];科技传播;2017年04期
14 曾维亮;林志贤;陈永洒;;基于卷积神经网络的智能冰箱果蔬图像识别的研究[J];微型机与应用;2017年08期
15 吴志军;张景安;岳猛;张才峰;;基于联合特征的LDoS攻击检测方法[J];通信学报;2017年05期
16 张琳;;基于神经网络的微博话题预测及分析[J];数字技术与应用;2017年03期
中国重要会议论文全文数据库 前10条
1 孙军田;张喆;;基于神经网络数据挖掘技术确定灾害等级的灭火救援出动力量模型研究[A];2016中国消防协会科学技术年会论文集[C];2016年
2 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
3 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
4 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
5 李涛;费树岷;;具有变时滞Cohen-Grossberg神经网络的指数稳定性准则[A];第二十六届中国控制会议论文集[C];2007年
6 汪灵枝;秦发金;;具有变时滞和脉冲的离散Cohen-Grossberg神经网络的周期解[A];中国自动化学会控制理论专业委员会D卷[C];2011年
7 韩正之;林家骏;;用神经网络求解非线性相容方程[A];1993年控制理论及其应用年会论文集[C];1993年
8 林家骏;王赞基;;求解不可微优化问题的连续极大熵神经网络[A];1998年中国智能自动化学术会议论文集(上册)[C];1998年
9 姜德宏;徐德民;任章;;基于神经网络的自校正控制器[A];1993中国控制与决策学术年会论文集[C];1993年
10 窦永丰;贝超;;模糊与神经网络结合方式及在控制中的应用[A];1997年中国控制会议论文集[C];1997年
中国博士学位论文全文数据库 前10条
1 李鸿鹏;基于神经网络的非线性系统辨识方法研究[D];东北林业大学;2018年
2 焦志成;基于卷积神经网络的生物医学信号分类与重构[D];西安电子科技大学;2018年
3 温妮;基于卷积神经网络的面部痤疮分级评估方法研究[D];北京协和医学院;2018年
4 刘梅;网络系统的稳定和同步行为研究[D];新疆大学;2017年
5 靳然;基于神经网络和支持向量机的麦蚜发生动态预测研究[D];山西农业大学;2017年
6 李骁;基于深度卷积神经网络MSCT对小肾肿瘤病理分型的预测研究[D];中国人民解放军海军军医大学;2018年
7 李若霞;基于忆阻的神经网络的动力学分析及应用[D];东南大学;2017年
8 项延德;基于卷积神经网络的心电信号检测和分类研究[D];浙江大学;2018年
9 李一鸣;结合知识和神经网络的文本表示方法的研究[D];浙江大学;2018年
10 李扬;面向图像目标识别和检测的深度神经网络关键技术研究[D];北京邮电大学;2018年
中国硕士学位论文全文数据库 前10条
1 彭文丽;BAM神经网络和离散型复值神经网络的全局稳定性研究[D];湖南大学;2018年
2 殷凯;基于图像处理的铁路扣件异常自动检测系统的研究[D];南京邮电大学;2018年
3 周妹璇;基于深度神经网络的用户画像研究[D];湖南大学;2018年
4 王根深;基于BP神经网络的太湖叶绿素浓度反演[D];南京邮电大学;2018年
5 王胜男;BP神经网络方法在新产品开发中的应用研究[D];山东建筑大学;2018年
6 邹明君;基于无中心网络的公共建筑能耗预测与优化调度[D];山东建筑大学;2018年
7 齐全;基于神经网络的信号检测[D];南京航空航天大学;2018年
8 陈海霞;基于特征扩展的深度学习短文本分类算法[D];中北大学;2018年
9 王蕾;基于重复信息测定与卷积神经网络的蛋白质亚细胞定位研究[D];济南大学;2018年
10 陆晓明;基于神经网络的雷达杂波抑制[D];南京航空航天大学;2018年
中国重要报纸全文数据库 前10条
1 记者 刘霞;忆阻器制成神经网络更高效[N];科技日报;2017年
2 整理 本报记者 诸玲珍 顾鸿儒;微软神经网络切割法可使加速作用超线性[N];中国电子报;2018年
3 ;神经网络小史[N];电子报;2018年
4 张敏;人机大战,到底谁会赢?[N];北京日报;2017年
5 ;人工智能将取得大面积突破[N];中国企业报;2017年
6 本报记者 龚丹韵;人机大战:人类还有优势吗[N];解放日报;2017年
7 ;人类正迎来云端机器人时代[N];中国企业报;2017年
8 张斌;谁还需要“同传”[N];文汇报;2017年
9 科大讯飞董事长 刘庆峰;高考机器人考入一流大学不再是梦[N];中国教育报;2017年
10 邓洲 中国社会科学院工业经济研究所;深度学习:人工智能进入应用阶段[N];上海证券报;2017年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978