[发明专利]一种无线传感器网络数据预测方法

权利要求书

1.一种无线传感器网络数据预测方法，其特征在于包含以下步骤：

步骤1：根据某种分簇算法进行分簇并选举簇头，该分簇算法须能选出计算能力较强的节点担任簇头，分簇结束后，簇头获得本簇内非簇头节点的ID(标记为ID_i，1＝＜i＜＝n)和总数量n，并设定存储数据的条数k，簇头开始簇内数据的收集；

步骤2：簇头获得簇内各个非簇头节点的数据，将其作为一条新的记录存储在内存中；

步骤3：对于每一条新记录中的每一个节点的值进行计算，由公式(1)得到与目标值y，即簇头需要上传到基站的最终值的残差

r_i＝|x_i-y| (1)；

步骤4：基于步骤3得到的残差，由公式(2)计算误差：

步骤5：对于每一条记录的每一个节点的数据值x_i，保存其对应的r_i和e_i；

步骤6：当内存中的记录条数等于k时，则可以进行数据的预测，簇头由公式(3)计算参与数据预测的节点数目pn：

步骤7：确定参与预测的节点数目pn后，进一步确定这些节点的ID，由公式(4)计算当前k条历史数据中各个节点的总误差E_i，并对E_i从小到大进行排序，根据排序结果选择出前pn个节点进行预测，用s_j(1＝＜j＜＝pn)表示被选中做数据预测的节点的ID：

步骤8：为选中做数据预测的每个节点分配权重w_j，根据这些节点的比值进行归一化之后确定各自的w_j，并保证各个w_j的总和等于1；

步骤9：对最近一次的簇头计算的y值进行修正，确定修正的方向和步长，如公式(5)所示：

其中，r_tj表示ID为s_j的节点在第t(1＝＜t＜＝k)条数据中的残差，正负号表示本次数据预测的方向，该方向根据k条历史数据记录值的走势给出式中a为本次数据预测的步长，表示以怎样的速率去接近当前预测值的真实值。

2.根据权利要求1所述的无线传感器网络数据预测方法，其特征在于步骤1中所述k值的设定是基于对数据预测的准确程度和消耗内存空间的平衡，k值较大，预测的结果越准确，但同时也会消耗较大的内存空间并造成较高的计算开销。

3.根据权利要求1所述的无线传感器网络数据预测方法，其特征在于步骤2中如果当前内存中数据的条数等于k，则删除最早的那条数据；如果当前内存中数据的条数小于k，则只进行存储新记录的操作。

4.根据权利要求1所述的无线传感器网络数据预测方法，其特征在于步骤3中所述目标值y是簇头需要上传到基站的最终值，该值可以是每一个节点的值的平均值。

5.根据权利要求1所述的无线传感器网络数据预测方法，其特征在于步骤9中所述a的取值原则如下：

(1)对于一些敏感值，步长a应尽可能地小；

(2)如果在这k条数据中，数据走势波动较大，步长a应尽可能地小；

(3)如果采样时间间隔较大，可适当增加步长a。