首页 / 专利库 / 计算机网络 / 无线传感器网络 / 基于指数平滑的水下无线传感器网络数据预测优化方法

基于指数平滑的下无线传感器网络数据预测优化方法

阅读:118发布:2020-05-11

专利汇可以提供基于指数平滑的下无线传感器网络数据预测优化方法专利检索,专利查询,专利分析的服务。并且基于指数平滑的 水 下无线 传感器 网络数据预测优化方法,涉及一种传感器网络数据预测优化方法,所述方法包括ESDP 预测模型 、ESDP设计;其中ESDP预测模型:(3)采用公式(3)建立的预测模型在预测过程中,通过参数来控 制模 型,比如,根据实际情况来进行短期或者长期预测;ESDP设计过程为三个阶段,分别是:分簇阶段、构建路由树阶段和数据预测阶段。该方法兼顾了能耗和 精度 的问题,所以该预测模型能很好地应用在水下环境。,下面是基于指数平滑的下无线传感器网络数据预测优化方法专利的具体信息内容。

1.基于指数平滑的下无线传感器网络数据预测优化方法,其特征在于,所述方法包括ESDP预测模型、ESDP设计;
其中ESDP预测模型:
(3)
采用公式(3)建立的预测模型在预测过程中,通过参数 来控制模型,比如,根据实际情况来进行短期或者长期预测;
ESDP设计过程为三个阶段,分别是:分簇阶段、构建路由树阶段和数据预测阶段。
2.根据权利要求1所述的基于指数平滑的水下无线传感器网络数据预测优化方法,其特征在于,所述ESDP预测算法在指数平滑法的基础上建立预测模型;指数平滑法以某种指标的本期实际数据和预测数据为基础,引入加权因子即平滑系数 ,计算出指数平滑值,融合了全期平均法和移动平均法优点,给予过去数据逐渐减弱的影响程度,即随着数据的远离,权重逐渐收敛为零。
3.根据权利要求1所述的基于指数平滑的水下无线传感器网络数据预测优化方法,其特征在于,所述ESDP设计分簇阶段采用一种经典的分簇路由协议LEACH协议对普通节点进行分簇,将整个网络的能量消耗均衡地分配到每个节点,从而达到网络的能量消耗负载均衡。
4.根据权利要求1所述的基于指数平滑的水下无线传感器网络数据预测优化方法,其特征在于,所述ESDP设计构建路由树阶段,簇头节点与水面汇聚节点采用构建路由树的方式通信,通过寻找没有父节点的节点,逐层选择中继节点的方法,尽可能确定最优路径,减少网络中节点的相互通信,同时维持网络中稳定有序的数据聚集。
5.根据权利要求1所述的基于指数平滑的水下无线传感器网络数据预测优化方法,其特征在于,所述ESDP设计数据预测阶段对于ESDP的预测算法具体步骤如下:
步骤1:处于数据收集阶段时,簇头获得簇内各个成员节点的数据,作为一条新记录存储在内存中,如果当前内存中的记录条数小于k,则只进行存储记录的操作;若大于k,则删除最早的记录,存入新记录;然后按公式(3)计算并存储预测数据 ,执行步骤2;
步骤2:簇头在簇内广播预测值 以及误差阈值 ,执行步骤3;
步骤3:簇内各非簇头节点在下一次传输的数据是各实际值与预测值的差值,且 于误差阈值 ,执行步骤4;反之,非簇头节点不需要传输 ,视预
测值为真实值,继续下一次预测;其中 的正负号表示数据的方向;
步骤4:若簇头收到节点发出的差值 ,则转步骤1更新数据记录,重新进行预测;
步骤5:当处于数据发送阶段时,簇头节点根据路由树确定的父子节点连接,采用同态加密技术将一段时间簇内各节点的数据变动打包发送至其父节点,所有簇头节点重复上述操作,直到最终节点为水面汇聚节点为止。

说明书全文

基于指数平滑的下无线传感器网络数据预测优化方法

技术领域

[0001] 本发明涉及一种无线传感器网络数据优化方法,特别是涉及一种基于指数平滑的水下无线传感器网络数据预测优化方法。

背景技术

[0002] 无线传感器网络下的数据预测技术是在已采集数据的基础上建立一个预测模型来预测短期内传感器节点感知数据的发展趋势。通常会根据数据集的不同采用不同的预测方法,常见的数据集有离散数据、高维数据、时间相关性数据等。数据预测技术要解决的问题主要有两个,一是预测的精确度,二是节点的能耗问题,所以如何平衡节点的能耗和预测精度变得十分重要。目前,绝大部分的数据预测技术侧重于通过建立比较复杂的预测模型来提高预测精度,并将预测模型应用到每一个传感器节点上,这样会很大程度上降低整个传感器网络的生命周期。所以对于没有强大的CPU和存储空间并且能量有限的水下传感器节点来说,现有的数据预测技术不能很好地应用到水下环境中。

发明内容

[0003] 本发明的目的在于提供一种基于指数平滑的水下无线传感器网络数据预测优化方法,该方法从减少网络整体能耗以及提高数据预测准确度的度出发,采用LEACH协议对水下所有节点进行分簇并选取簇头,然后簇头与汇聚节点之间构建用于通信的路由树,最后采用统计学中的指数平滑法在各簇头节点上建立预测模型,该方法兼顾了能耗和精度的问题,所以该预测模型能很好地应用在水下环境。
[0004] 本发明的目的是通过以下技术方案实现的:基于指数平滑的水下无线传感器网络数据预测优化方法,所述方法包括ESDP预测模型、ESDP设计;
其中ESDP预测模型:
采用公式(3)建立的预测模型在预测过程中,通过参数 来控制模型,比如,根据实际情况来进行短期或者长期预测;
ESDP设计过程为三个阶段,分别是:分簇阶段、构建路由树阶段和数据预测阶段。
[0005] 所述的基于指数平滑的水下无线传感器网络数据预测优化方法,所述ESDP预测算法在指数平滑法的基础上建立预测模型;指数平滑法以某种指标的本期实际数据和预测数据为基础,引入加权因子即平滑系数 ,计算出指数平滑值,融合了全期平均法和移动平均法优点,给予过去数据逐渐减弱的影响程度,即随着数据的远离,权重逐渐收敛为零。
[0006] 所述的基于指数平滑的水下无线传感器网络数据预测优化方法,所述ESDP设计分簇阶段采用一种经典的分簇路由协议LEACH协议对普通节点进行分簇,将整个网络的能量消耗均衡地分配到每个节点,从而达到网络的能量消耗负载均衡。
[0007] 所述的基于指数平滑的水下无线传感器网络数据预测优化方法,所述ESDP设计构建路由树阶段,簇头节点与水面汇聚节点采用构建路由树的方式通信,通过寻找没有父节点的节点,逐层选择中继节点的方法,尽可能确定最优路径,减少网络中节点的相互通信,同时维持网络中稳定有序的数据聚集。
[0008] 所述的基于指数平滑的水下无线传感器网络数据预测优化方法,所述ESDP设计数据预测阶段对于ESDP的预测算法具体步骤如下:步骤1:处于数据收集阶段时,簇头获得簇内各个成员节点的数据,作为一条新记录存储在内存中,如果当前内存中的记录条数小于k,则只进行存储记录的操作;若大于k,则删除最早的记录,存入新记录;然后按公式(3)计算并存储预测数据 ,执行步骤2;
步骤2:簇头在簇内广播预测值 以及误差阈值 ,执行步骤3;
步骤3:簇内各非簇头节点在下一次传输的数据是各实际值与预测值的差值,且 大于误差阈值 ,执行步骤4;反之,非簇头节点不需要传输 值,视预测值为真实值,继续下一次预测;其中 的正负号表示数据的方向;
步骤4:若簇头收到节点发出的差值 ,则转步骤1更新数据记录,重新进行预测;
步骤5:当处于数据发送阶段时,簇头节点根据路由树确定的父子节点连接,采用同态加密技术将一段时间簇内各节点的数据变动打包发送至其父节点,所有簇头节点重复上述操作,直到最终节点为水面汇聚节点为止。
[0009] 本发明的优点与效果是:本发明从减少网络整体能耗以及提高数据预测准确度的角度出发,在允许存在一定误差的前提下,设计了一种适用于水下网络环境的数据预测优化方法—基于指数平滑的UWSN数据预测优化方法(Data Prediction optimization method based on Exponential Smoothing,ESDP)。该方法首先采用LEACH协议对水下所有节点进行分簇并选取簇头,然后簇头与汇聚节点之间构建用于通信的路由树,最后采用统计学中的指数平滑法在各簇头节点上建立预测模型,通过对簇内各节点不同时段收集到的数据赋予不同的权值来预测数据,并且在预测误差大于设定阈值的情况下,通过差值传输来修正预测模型,减少了传输数据包的数量以及数据包的大小,由于该方法兼顾了能耗和精度的问题,所以该预测模型能很好地应用在水下环境。
附图说明
[0010] 图1为本发明 ESDP流程图

具体实施方式

[0011] 下面结合附图所示实施例对本发明进行详细说明。一、ESDP预测模型
ESDP预测算法是在指数平滑法的基础上建立的预测模型。指数平滑法实际是一种时间序列分析预测法,它以某种指标的本期实际数据和预测数据为基础,引入加权因子即平滑系数 ,计算出指数平滑值,融合了全期平均法和移动平均法的优点,给予过去数据逐渐减弱的影响程度,即随着数据的远离,权重逐渐收敛为零。指数平滑公式如下:
  (1)
其中 是平滑系数, 是时间序列 期的预测值, 是 期的实际观
察值,是 期的预测值。对公式(1)进行迭代得:
由于ESDP预测算法被应用在水下网络环境中,考虑到水下节点的众多限制,为了减少簇头节点的计算量,取将要预测数据的前 条数据进行建模,并令平滑系数 ,其中 表示簇内所有的节点数。
[0012] 由公式(1)(2)得到最终的预测公式(3):采用公式(3)建立的预测模型在预测过程中,可以通过参数 来控制模型,比如根据实际情况来进行短期或者长期预测。
[0013] 二、ESDP算法设计ESDP的设计过程大体上分为三个阶段,分别是:分簇阶段、构建路由树阶段和数据预测阶段。
[0014] (1)分簇阶段采用一种经典的分簇路由协议LEACH协议对普通节点进行分簇,由于网络中的节点被选为簇头的概率是一样的,因此将整个网络的能量消耗均衡地分配到每个节点,从而达到网络的能量消耗负载均衡。LEACH协议是随机选取簇头节点,在确定簇头节点前,每个节点产生一个随机数 ,如果 小于给定的阈值 ,则该节点在本轮中被选中为簇头。
由公式(4)计算得出。
[0015] (4)其中,表示在具体的网络中需要的簇头节点比例;为当前轮次;为前 轮未被选为簇头的节点集。
[0016] 簇头选定后以最大功率广播自身的相关信息,普通节点根据接收的信号强弱选择最佳簇头发送响应信息加入该簇。簇头根据接收到的成员信息,采用TDMA方式为各成员节点分配数据传输时隙。簇生成后,若簇内只有一个节点,即簇头节点,则选择最近的簇加入,成为普通节点。
[0017] (2)构建路由树阶段簇头节点与水面汇聚节点采用构建路由树的方式通信,通过寻找没有父节点的节点,逐层选择中继节点的方法,尽可能确定最优路径,减少网络中节点的相互通信,同时维持网络中稳定有序的数据聚集。
[0018] 水面汇聚节点向水下区域广播“HELLO”数据包,接收到数据包的簇头节点则向汇聚节点发送“Join_Request”数据包加入路由树的节点集合,表示同意成为汇聚节点的子节点,普通节点收到消息则直接丢弃。加入路由树的簇头节点又逐层向下发送“HELLO”数据包,招募没有父节点的簇头节点成为其子节点,若一个节点同时收到多个“HELLO”数据包,则选择距离最近的簇头作为父节点,直到再无新的节点加入路由树为止。
[0019] (3)数据预测阶段对于ESDP的预测算法具体步骤如下:
步骤1:处于数据收集阶段时,簇头获得簇内各个成员节点的数据,作为一条新记录存储在内存中,如果当前内存中的记录条数小于k,则只进行存储记录的操作;若大于k,则删除最早的记录,存入新记录。然后按公式(3)计算并存储预测数据 ,执行步骤2;
步骤2:簇头在簇内广播预测值 以及误差阈值 ,执行步骤3;
步骤3:簇内各非簇头节点在下一次传输的数据是各实际值与预测值的差值,且 大于误差阈值 ,执行步骤4;反之,非簇头节点不需要传输 值,视预测值为真实值,继续下一次预测。其中 的正负号表示数据的方向。
[0020] 步骤4:若簇头收到节点发出的差值 ,则转步骤1更新数据记录,重新进行预测。
[0021] 步骤5:当处于数据发送阶段时,簇头节点根据路由树确定的父子节点连接,采用同态加密技术将一段时间簇内各节点的数据变动打包发送至其父节点,所有簇头节点重复上述操作,直到最终节点为水面汇聚节点为止。
[0022] 如图1所示就是ESDP优化方法的整个流程。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈