[发明专利]一种无线传感器网络数据预测方法

说明书

本发明公开了一种无线传感器网络数据预测方法，首先根据分簇算法进行分簇并选举簇头，簇头获得本簇内非簇头节点的ID和总数量n，并设定存储数据的条数；簇头获得数据后记录存储在内存中；对于每一条新记录中的每一个节点的值进行计算，得到与目标值的残差和误差，进行保存，当内存中的记录条数等于k时，进行数据的预测，为选中做数据预测的每个节点分配权重，对最近一次的簇头计算的值进行修正，确定修正的方向和步长。本发明具有灵活度高、计算量小，能有效节约能耗，同时精度较高。而且本发明提出的方法简单易实现，具有较好的实用性，易于在实际环境中使用。

技术领域

本发明属于无线传感器网络及数据预测等技术领域，具体涉及一种无线传感器网络数据预测方法。

背景技术

无线传感器网络(Wireless Sensor Network,WSN)是一种典型的分布式网络，它包含大量的传感器节点，通常被部署在各种环境下以收集数据。通过无线传感器网络中采集到的历史数据，可以对未来的数据或者走势进行预测。如预测森林中某些关键区域的温度以判断是否存在火灾的风险、预测未来几天雾霾的走势以及时地提醒广大市民进行相应的防范等。

无线传感器收集的数据具有多源特点，即由于网络中节点的密度较高，所以在空间上距离较近的节点在同一时刻的采样值相似。此外，任意的一个节点在连续的时间区间之内的采样值也具有相似性，以上的特点使得无线传感器网络可以进行相关数据的预测。另外，无线传感器网络数据预测技术与数据融合技术联系紧密，可作为弥补数据融合缺陷的关键技术，并对降低无线传感器网络的能耗也有特殊的贡献。

目前，运用于无线传感器网络数据预测的方法主要有时序算法、基因表达编程、神经网络算法等等。然而这些传统的数据预测方法普遍存在的缺点是计算复杂，尤其是基因表达编程算法和粒子群-神经网络算法，有较高的算法复杂度，虽然精度有所提高，但是能量开销巨大。

发明内容

本发明要解决的技术问题是针对传统方法中存在的能量消耗过高、计算开销较大等弊端，为此提出了一种新的数据预测方法，以无线传感器网络中的簇为单位，每个簇的簇头负责进行数据预测，能够有效地保证数据预测的精度，且具备较好的通用性和实用性。

为达到上述目的，本发明提出的技术方案为一种无线传感器网络数据预测方法，具体包含以下步骤：

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：