[发明专利]一种基于HH-VBF的时间序列预测方法

权利要求书

1.一种基于HH-VBF的时间序列预测方法，其特征在于，所述时间序列预测方法包括以下步骤：

节点X是虚拟管道中经过MHH-VBF验证的合法节点，节点Y是节点X的相邻节点；节点Y的影响指标包括：链路质量状态与剩余能量；

对于加权移动平均法，根据数据包的到达时间，赋予最近的IF值以较大的权重；

对于指数平滑法，通过平滑历史观测值曲线来预测时间序列的下一个值，并假定序列的极值代表了随机波动，利用收集的数据预测未知的值；

如果节点IF的估计值大于阈值TD，该节点就是推荐的节点；

其中，HH-VBF为逐跳矢量转发，MHH-VBF为修改的逐跳矢量转发；

所述节点Y的影响指标具体为：

IF＝λSNR×(1-λ)RE (1)

在公式(1)中，SNR是节点Y的信噪比，RE是节点Y的剩余能量，系数λ是权重，用于平衡链路状态与剩余能量，

其中，赋予最近的IF值以较大的权重，形式化表示具体为：

在公式(2)中，IF_WMA(n+1)代表n次传输后IF的预测值，i代表传输次数，IF_i代表第n次传输的观测值，系数β为恒定的平滑因子，β∈(0,1)，通过平滑因子控制最近观测值IF_n的权重；当有一个新的IF_i出现时，IF_WMA(n+1)会递归地更新；

所述指数平滑法的形式化表示具体为：

在公式(3)中，IF_ES(n)代表使用指数平滑法来计算第n个节点的IF值，IF_ES(n-1)代表使用指数平滑法来计算第n-1个节点的IF值，IF(n-1)代表第n-1个节点的IF值，α代表数据平滑因子，n代表传输次数，IF(n)是第n次传输的IF值，公式(3)表明下一次的预测值是通过上一次的观测值和已经做出的上一次的预测值计算得到。

2.根据权利要求1所述的一种基于HH-VBF的时间序列预测方法，其特征在于，

所述数据平滑因子α越接近1，平滑越粗糙，相应地赋予最近的数据的权重越大；

所述数据平滑因子α越接近0，平滑效果越显著，相应地最近观测值对预测结果的影响越小。

3.根据权利要求1所述的一种基于HH-VBF的时间序列预测方法，其特征在于，所述阈值TD具体为：

其中，IF_j代表第j个节点的IF值。