[发明专利]一种基于水下边缘设备的两级双向预测获取数据方法

权利要求书

1.一种基于水下边缘设备的两级双向预测获取数据方法，其特征在于，包括如下步骤：

1)底层的传感器节点对数据进行采集，并发送传输请求信号至AUV；

2)AUV与底层传感器节点之间建立第一级双向预测-指数平滑预测；AUV与底层传感器节点分别根据时间序列的数据有无季节性或趋势成分，对指数平滑的次数进行选择，并预测，预测结束后，底层传感器将得到的预测值与实际采集值进行比对，并将比对结果发送至AUV，AUV根据比对结果对不符合预期的预测值进行校正，更新正确的数据值，得到预测收集的数据；

3)AUV发送传输请求信号至边缘层，边缘层与AUV之间建立第二级双向预测-ARMA预测；边缘层与AUV分别使用卡尔曼滤波进行对参数估计，可得到预测值，AUV将其预测值与步骤2)中预测收集的数据进行比对，并将比对结果发送至边缘层，边缘层根据比对结果对不符合预期的预测值进行校正，更新正确的数据值，得到最终的预测收集的数据；

4)边缘层将步骤3)得到的最终的预测收集的数据传输至云层；

当底层传感器节点能量σ，时间序列的观测值为无季节性或趋势成分时，采用一次指数平滑，一次指数平滑公式及模型为：

V_t⁽¹⁾为第t周期的一次指数平滑值，α为加权系数，σ为剩余能量最小值，v₁,v₂,...,v_t为时间序列观测值，为第t周期的预测值，为第t+T周期的预测值；当时间序列的数据变动呈现直线趋势时，采用二次指数平滑，其计算公式及模型分别如下：

V_t⁽²⁾为第t周期的二次指数平滑值，T为由当前周期数t到预测期的周期数，为第t+T周期的预测值，a_t、b_t是未确定的模型组成部分；

若时间序列的数据变动呈现出曲线趋势，则需要用三次指数平滑法，其计算公式及三次指数平滑法的预测模型如下：

其中，V_t⁽³⁾为第t周期的三次指数平滑值t为当前周期数，参数a_t、b_t、c_t是未确定的模型组成部分，可表示为：

a_t＝3V_t⁽¹⁾-3V_t⁽²⁾+V_t⁽³⁾

2.如权利要求1所述的一种基于水下边缘设备的两级双向预测获取数据方法，其特征在于，所述第二级双向预测-ARMA预测采用AR模型、MA模型或ARMA模型。

3.如权利要求1所述的一种基于水下边缘设备的两级双向预测获取数据方法，其特征在于，步骤2)中，底层传感器将得到的预测值与实际采集值进行比对，并将比对结果发送至AUV，AUV根据比对结果对不符合预期的预测值进行校正，更新正确的数据值，得到预测收集的数据，具体是指：底层传感器计算实际采集值与预测值的误差，将该误差与预设的阈值进行比对，反馈一个值β至AUV，当β值为1时，该预测值符合预期，AUV中对应的预测值无需校正；若β＝0，则AUV中对应的预测值需要校正，AUV移动到底层传感器节点，利用声波通信接收正确的采集值。

4.如权利要求1所述的一种基于水下边缘设备的两级双向预测获取数据方法，其特征在于，步骤3)中，若预测值不在预设的误差范围内，则AUV移动至边缘层的汇聚节点传输正确的数据值。