数据收集是无线传感器网络的一个基本功能.然而,现有的数据收集模式大都是基于静止基站的网络结构,导致基站周围的节点由于担负着网络内的所有负载而快速死亡,成为网络性能的瓶颈.研究如何利用移动基站收集数据来达到负载平衡.提出了一...数据收集是无线传感器网络的一个基本功能.然而,现有的数据收集模式大都是基于静止基站的网络结构,导致基站周围的节点由于担负着网络内的所有负载而快速死亡,成为网络性能的瓶颈.研究如何利用移动基站收集数据来达到负载平衡.提出了一个利用移动基站协助数据收集的模式(movement-assisted data gathering,简称MADG),它将基站移动区域设置为缓冲区,首先将数据沿最短路径传输到缓冲区内,然后在基站移动的过程中进行数据收集.证明了缓冲区位置设置在距离中心2^(1/2)R/2时数据传输总能耗最少,并证明了存在一个缓冲区位置使得最大节点负载最小化,进而确定了同时考虑到能源消耗和负载平衡的基站移动区域.理论分析和实验结果表明,提出的数据收集模式在很大程度上降低了网络节点的最大负载,并且减少了数据传输能源中的消耗,分别比固定基站和同类工作的最大网络负载降低95%和80%以上.展开更多
基金Supported by the Key Program of the National Natural Science Foundation of China under Grant No.60533110(国家自然科学基金重点项目)the Harbin Institute of Technology Foundation of China under Grant No.HIT 2002.74(哈尔滨工业大学校基金)
文摘数据收集是无线传感器网络的一个基本功能.然而,现有的数据收集模式大都是基于静止基站的网络结构,导致基站周围的节点由于担负着网络内的所有负载而快速死亡,成为网络性能的瓶颈.研究如何利用移动基站收集数据来达到负载平衡.提出了一个利用移动基站协助数据收集的模式(movement-assisted data gathering,简称MADG),它将基站移动区域设置为缓冲区,首先将数据沿最短路径传输到缓冲区内,然后在基站移动的过程中进行数据收集.证明了缓冲区位置设置在距离中心2^(1/2)R/2时数据传输总能耗最少,并证明了存在一个缓冲区位置使得最大节点负载最小化,进而确定了同时考虑到能源消耗和负载平衡的基站移动区域.理论分析和实验结果表明,提出的数据收集模式在很大程度上降低了网络节点的最大负载,并且减少了数据传输能源中的消耗,分别比固定基站和同类工作的最大网络负载降低95%和80%以上.
文摘负荷历史数据是进行中长期负荷预测的基础。历史数据异常及缺失将严重影响负荷预测模型的精度及有效性。针对传统异常数据辨识方法和缺失数据填补方法的不足,提出了基于T2椭圆图的异常数据识别和基于最小二乘支持向量机(least square support vector machine,LSSVM)的缺失数据填补方法。采用偏最小二乘法(partial least square,PLS)提取历史数据主成份,计算各历史样本对主成份的累积贡献率(accumulative contribution rate,ACR),并绘制T2椭圆,从而识别出历史样本贡献率过大的异常数据。用最小二乘支持向量机拟合历史数据变化趋势,从而实现缺失数据的填补。算例结果表明:T2椭圆图能有效识别历史数据中的异常样本;最小二乘支持向量机具有良好的数据填补特性,具有较强的实用价值。
