[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

说明书

一种基于水下边缘设备的两级双向预测获取数据方法，通过将计算从集中式云层转移到分布式边缘层，构建底层‑边缘‑云三层数据收集模式。利用水下边缘设备的移动性和计算能力进行基于历史信息的分析预测数据，实现在保证数据传输准确的前提下有效减少声波通信，减少传感器能耗。考虑到异构设备的差异化能力，对边缘层与底层这两层节点采用不同的预测算法，将水下数据收集过程转化为两级双向数据预测过程的方法。该发明可以应用在水下传感器网络数据收集机制中。

技术领域

本发明涉及水下传感网络中的数据收集领域，特别是指一种基于水下边缘 设备的两级双向预测获取数据方法。

背景技术

近年来，由于水下无线传感器网络在海洋能源勘测、环境指标检测、军事 监视和海洋灾害事件监测等方面广泛应用，因此国内外受到广泛关注。水下勘 测等应用的技术与时俱进，所检测的数据种类愈加繁复，如水下温度、盐度、 含氧度、酸碱度、CO₂、P等等元素物质浓度，采集的数据值冗长且复杂。海洋 底层传感器节点的电池更换或者充电代价较大，且水下声波传输速率低(一般≤ 100kbps)，随着距离的增加，逐渐削减至零。当传感器节点在单位时间内所收 集到数据需交付至汇聚节点时，需经过多跳路由，耗费大量能耗，且可能会引 起网络拥塞，造成延迟等问题，降低网络生命周期。因此如何在水下数据收集过程中及时将数据交付至云端，同时尽量使网络能量消耗最小化是一个亟待解 决的问题。

在水下传感器网络中，传统数据采集方式包括采用多跳路由(Multi-Hop) 或者基于AUV协同多跳路由(AUV-aided Multi-Hop)。但现在许多研究人员提 出了不同的数据采集方法，如监测感知收集数据、预测感知收集数据等。传统 收集方法中成员节点将网关节点与最短路径相关联，并通过网关节点将数据包 传递给AUV或者下一跳节点，该方法虽在一定程度上降低节点的能耗，但也容 易造成热区问题。而基于事件覆盖检测的感官数据采集技术(SDA)，单个传感器 节点很可能在设备或系统上反映错误或异常，它考虑到这一点，设定只有当相 邻的传感器节点集体检测到可能事件的发生时，才会将这些传感器节点的感知 数据采集并路由到汇聚节点。该策略避免了可能不利于事件检测的感知数据不 必要的路由，降低了能耗，增加了网络容量。但这种预测仅用于判断突发事件 时，可以为网络节能，无法用于每个时间点的数据传输。基于线性预测方法数 据收集技术(DBP)，特点集中体现在对新数据的处理。它的核心思想是利用一 种简单的模型去捕获数据变化趋势，并以一种弹性规则去计算同时处理存在的 干扰，需要在拥有传感器节点采集历史数据作为样本的前提下，使用者可以改 变参数控制模型，比如选择使用短期或者长期历史数据来进行训练。但DBP的 预测精确度是较低的，当数据呈在短期线性规律时，适合采用此算法，因此它具有局限性。

总的来说，上述这些技术普遍存在以下缺点。其一，普遍的预测模型一般 应用于陆上无线传感器网络，预测算法与水下传感器网络相结合的研究人员较 少，因此无法根据水下环境的特殊性以及采集对象的特性，分析出合适的模型， 选取合适的预测算法。其二、针对水下节点的计算能力薄弱、存储能量小以及 无法及时交付数据至云层的问题，目前仍没有比较好的解决办法。

发明内容

本发明的主要目的在于克服现有技术中的上述缺陷，提出一种基于水下边 缘设备的两级双向预测获取数据方法，保证了预测值的准确性。

本发明采用如下技术方案：

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；