物聯(lián)網被稱為是世界信息產業(yè)革命的第三次浪潮,被稱為"Next Big Thing"。物聯(lián)網的興起帶動各類傳感器的快速發(fā)展,考慮到物聯(lián)網中的無線傳感器網絡數(shù)據(jù)具有易丟失的特性,從而導致傳感器獲取的數(shù)據(jù)往往受到限制,不能正確體現(xiàn)出物聯(lián)網中的信息,采用BP神經網絡的辦法可以對這種不確定性進行矯正,而對于丟失的數(shù)據(jù)則利用KNN的方法來預處理,幫助補充完整的數(shù)據(jù),通過對比單獨使用BP神經網絡,本文的方法可以更好地提高物聯(lián)網中無線傳感器網絡的穩(wěn)定性與精確度,保證這類有效預測模型的預測誤差很低,避免了傳統(tǒng)神經網絡的對歷史數(shù)據(jù)預測的不完備性,對于其他事件的預測應用具有積極的實際意義。

【文章頁數(shù)】：5 頁

【文章目錄】：
1 物聯(lián)網傳統(tǒng)預測方法
    1.1 指數(shù)平滑模型
    1.2 簡單移動平均模型
    1.3 灰色預測模型
2 神經網絡預測模型
    2.1 BP神經網絡
    2.2 KNN算法理論
3 預測模型的分析
    3.1 基于KNN和BP神經網絡的模型流程
    3.2 預測模型的實驗結果
4 結論與展望



本文編號：3921428