一种物联网中基于温度传感器的节点值预测方法

本发明涉及物联网技术领域，尤其涉及一种物联网中基于温度传感器的节点值预测方法。

背景技术：

传统的物联网系统具有两个特点，一方面是需要部署大量传感器节点来采集数据，同时部署的节点往往会出现冗余情况，这是为了保证系统的，另一方面是物联网系统具有很高的采样率。冗余节点的维护和高采样率往往会给整个物联网系统的数据处理增加负担，增加了系统功耗

技术实现要素：

本发明实施例所要解决的技术问题在于，提供一种物联网中基于温度传感器的节点值预测方法。可有效的对物联网系统中的目标节点值进行预测。

为了解决上述技术问题，本发明实施例提供了一种物联网中基于温度传感器的节点值预测方法，包括以下步骤：

s1：在目标环境中的若干节点部署若干传感器；

s2：对所述若干传感器的数据进行筛选；

s3：进行线性规划算法改进，将环境温度视为线性规划问题的最优解，将采集到的数据抽象成线性规划问题；

s4：使用遗传算法进行线性规划问题求解。

其中，所述s2具体包括以下步骤：

s21：当收集到的数据包具有重复的数据包，即将其删除；

s22：保证传感器的个数与某一时间段相同时间戳的组数相同；

s23：当发生丢包情况时候，若丢包情况严重，则舍弃该组数据，若丢包情况不严重，则补充该数据；

s24：若某一时间段采集到的数据波动异常，或是与正常情况不符，则舍弃；

s25：当某一时间点的数据有异常波动，则舍弃。

其中，所述s3包括以下步骤：

s31：确定算法中的变量：

m：线性规划函数的最优值；

c：一个时间段内传感器采集的数据权值；

h：一个时间段内传感器采集的数据值；

pi：第i个传感器采集的数据值的约束；

b：常向量；

s32：确定目标函数；

将一段时间内某个房间的传感器的全部采集数据取平均值作为权值，用ti表示某节点i的在一段时间内的平均温度，并用以下公式对该权值进行处理：

ti表示某节点i的在一段时间内的平均温度，tn表示各节点平均温度，ci表示某节点所占的权值，cn表示所有节点权值的平均值；

s33：确定目标函数的约束条件：ax≤b，a为约束条件，b为cn。

其中，所述s4还包括以下步骤：

通过matlab平台上的遗传算法训练对每一组传感器采集到的数据进行训练，并得到线性规划函数的最优值m，将确定好的权值通过以下公式计算：

得到计算结果hn即为节点预测值。

实施本发明实施例，具有如下有益效果：

本发明将环境温度视为线性规划问题的最优解，将采集到的数据抽象成线性规划问题并优化进行求解，采用matlab中的遗传算法保证了线性规划问题求解的效率，也加快求解的速度。

附图说明

图1是本发明方法的流程示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。

参照图1所示，本发明实施例的一种物联网中基于温度传感器的节点值预测方法，通过以下步骤进行实施。

s1：节点部署和历史数据采集；

传感器节点的部署需要考虑科学性和有效性，例如，在房间里部署温度传感器需要考虑房间有效的温度区域，例如靠近窗户的区域和背阴区域，同时同一个房间里面温度变化不大的区域也需要部署温度传感器。当部署完成之后，让传感器以高采样率状态运行，并进行数据采集。

s2：数据筛选；

对于传感器采集的大量数据，在构建算法模型之前需要对数据进行筛选。

数据的筛选具体包括以下步骤：

s21：当收集到的数据包具有重复的数据包，即将其删除；

s22：保证传感器的个数与某一时间段相同时间戳的组数相同；

s23：当发生丢包情况时候，若丢包情况严重，则舍弃该组数据，若丢包情况不严重，则人为补充该数据；

s24：若某一时间段采集到的数据波动异常，或是与正常情况不符，则舍弃；

s25：当某一时间点的数据有异常波动，则舍弃。

s3：线性规划算法的改进；具体包括：

s31：确定算法中的变量：

m：线性规划函数的最优值；

c：一个时间段内传感器采集的数据权值；

h：一个时间段内传感器采集的数据值；

pi：第i个传感器采集的数据值的约束；

b：常向量；

s32：确定目标函数；

在s31的基础上，将一段时间内某个房间的传感器的全部采集数据取平均值作为权值，用ti表示某节点i的在一段时间内的平均温度，并用以下公式对该权值进行处理：

ti表示某节点i的在一段时间内的平均温度，tn表示各节点平均温度，ci表示某节点所占的权值，cn表示所有节点权值的平均值。

s33：根据s32，进一步确定目标函数的约束条件；

传感器的位置，温度传感器采集数据的变化率，是否背光都会对实际结果产生影响，所以将这些因素都作为目标函数的约束条件，基本形式如下列公式：

ax≤b

在一个实施例中，可以选取一组数据，形式为

这里a为约束条件，b为cn

s4：基于matlab平台进行算法求解；

在s3的基础上，通过matlab平台上的遗传算法训练对每一组传感器采集到的数据进行训练，并得到线性规划函数的最优值m，将确定好的权值通过以下公式计算：

得到计算结果hn即为节点预测值。

m线性规划函数的最优值，hi单个节点温度值，上述提到，ci表示某节点所占的权值，cn表示所有节点权值的平均值，hn即为节点预测值.

以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。