物聯(lián)網(wǎng)被稱為是世界信息產(chǎn)業(yè)革命的第三次浪潮,被稱為"Next Big Thing"。物聯(lián)網(wǎng)的興起帶動(dòng)各類傳感器的快速發(fā)展,考慮到物聯(lián)網(wǎng)中的無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)具有易丟失的特性,從而導(dǎo)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(wǎng)中的信息,采用BP神經(jīng)網(wǎng)絡(luò)的辦法可以對(duì)這種不確定性進(jìn)行矯正,而對(duì)于丟失的數(shù)據(jù)則利用KNN的方法來(lái)預(yù)處理,幫助補(bǔ)充完整的數(shù)據(jù),通過(guò)對(duì)比單獨(dú)使用BP神經(jīng)網(wǎng)絡(luò),本文的方法可以更好地提高物聯(lián)網(wǎng)中無(wú)線傳感器網(wǎng)絡(luò)的穩(wěn)定性與精確度,保證這類有效預(yù)測(cè)模型的預(yù)測(cè)誤差很低,避免了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的對(duì)歷史數(shù)據(jù)預(yù)測(cè)的不完備性,對(duì)于其他事件的預(yù)測(cè)應(yīng)用具有積極的實(shí)際意義。

【文章頁(yè)數(shù)】：5 頁(yè)

【文章目錄】：
1 物聯(lián)網(wǎng)傳統(tǒng)預(yù)測(cè)方法
    1.1 指數(shù)平滑模型
    1.2 簡(jiǎn)單移動(dòng)平均模型
    1.3 灰色預(yù)測(cè)模型
2 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型
    2.1 BP神經(jīng)網(wǎng)絡(luò)
    2.2 KNN算法理論
3 預(yù)測(cè)模型的分析
    3.1 基于KNN和BP神經(jīng)網(wǎng)絡(luò)的模型流程
    3.2 預(yù)測(cè)模型的實(shí)驗(yàn)結(jié)果
4 結(jié)論與展望



本文編號(hào)：3921428