發(fā)布時(shí)間：2021-01-03 06:00

　　為保證農(nóng)業(yè)物聯(lián)網(wǎng)傳感器的數(shù)據(jù)感知質(zhì)量,構(gòu)建了基于滑動(dòng)窗口和預(yù)測(cè)模型（支持向量回歸、K近鄰、梯度提升回歸和隨機(jī)森林）的異常農(nóng)情數(shù)據(jù)在線檢測(cè)框架,提出了基于數(shù)據(jù)特征的滑動(dòng)窗口尺寸計(jì)算方法,運(yùn)用熵權(quán)逼近最優(yōu)排序法評(píng)價(jià)預(yù)測(cè)模型適用性。采用羊圈環(huán)境數(shù)據(jù)（空氣溫度、相對(duì)濕度、CO₂和H₂S體積分?jǐn)?shù)）進(jìn)行試驗(yàn),結(jié)果表明,滑動(dòng)窗口尺寸計(jì)算方法優(yōu)于僅基于采樣間隔和特征周期的計(jì)算方法;模型預(yù)測(cè)誤差與其異常檢測(cè)性能負(fù)相關(guān),且對(duì)誤檢率影響更大;支持向量回歸模型對(duì)空氣溫度和相對(duì)濕度異常數(shù)據(jù)檢測(cè)適用性最好,貼近度達(dá)0.8以上,梯度提升回歸和K近鄰模型分別對(duì)CO₂和H₂S體積分?jǐn)?shù)異常數(shù)據(jù)檢測(cè)適用性較優(yōu),兩者貼近度均在0.6左右。 

【文章來源】：湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020年04期 北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

添加異常值后羊

2020年8月用SW–SVR方法和筆者建立的方法計(jì)算的窗口尺寸預(yù)測(cè)誤差和運(yùn)行時(shí)間。在模型預(yù)測(cè)誤差方面，采用窗口尺寸時(shí)各模型的預(yù)測(cè)誤差均小于SW–SVR方法。此外，較小的窗口尺寸降低了模型訓(xùn)練時(shí)長(zhǎng)，使得各模型具有較短的運(yùn)行時(shí)間。為驗(yàn)證式(1)得出窗口尺寸的合理性，評(píng)估滑動(dòng)窗口尺寸分別為10、15、20、25、30、35和40時(shí)SVR模型的預(yù)測(cè)誤差。圖4表明，空氣溫度和相對(duì)濕度數(shù)據(jù)中，窗口尺寸空氣溫度相對(duì)濕度CO2體積分?jǐn)?shù)H2S體積分?jǐn)?shù)數(shù)據(jù)圖3SVR模型的對(duì)預(yù)測(cè)誤差和運(yùn)行時(shí)間Fig.3SVRmodelpredictionerrorandcomputationaltime10152025303540窗口尺寸圖4不同窗口尺寸下的模型預(yù)測(cè)誤差Fig.4Predictionerrorofthemodelswithdifferentwindowsizes位于[20,25]時(shí)預(yù)測(cè)誤差最低，CO2數(shù)據(jù)在窗口尺寸位于[15,20]時(shí)預(yù)測(cè)誤差最小，H2S數(shù)據(jù)在窗口尺寸為10時(shí)具有最小的預(yù)測(cè)誤差，與式(1)得出的窗口尺寸基本吻合。結(jié)合KNN、GBR和RF模型，進(jìn)一步考察提出滑動(dòng)窗口尺寸計(jì)算方法的合理性。對(duì)于相同數(shù)據(jù)，同一預(yù)測(cè)模型的預(yù)測(cè)誤差較為接近，且采用式(1)的滑動(dòng)窗口尺寸整體上略優(yōu)于SW–SVR。KNN模型的評(píng)估結(jié)果與SVR相似，空氣溫度和相對(duì)濕度數(shù)據(jù)中滑動(dòng)窗口尺寸在20左右時(shí)預(yù)測(cè)誤差最小，CO2數(shù)據(jù)在窗口尺寸為15至20之間預(yù)測(cè)誤差最小，H2S數(shù)據(jù)誤差隨著窗口尺寸的增大而增大。GBR和RF模型，空氣溫度和相對(duì)濕度數(shù)據(jù)預(yù)測(cè)誤差隨窗口尺寸同步增大。對(duì)于波動(dòng)性較強(qiáng)的CO2與H2S數(shù)據(jù)最優(yōu)窗口尺寸與式(1)較好吻合�？傊�，相比于SW–SVR的窗口尺寸

時(shí)各模型的預(yù)測(cè)誤差均小于SW–SVR方法。此外，較小的窗口尺寸降低了模型訓(xùn)練時(shí)長(zhǎng)，使得各模型具有較短的運(yùn)行時(shí)間。為驗(yàn)證式(1)得出窗口尺寸的合理性，評(píng)估滑動(dòng)窗口尺寸分別為10、15、20、25、30、35和40時(shí)SVR模型的預(yù)測(cè)誤差。圖4表明，空氣溫度和相對(duì)濕度數(shù)據(jù)中，窗口尺寸空氣溫度相對(duì)濕度CO2體積分?jǐn)?shù)H2S體積分?jǐn)?shù)數(shù)據(jù)圖3SVR模型的對(duì)預(yù)測(cè)誤差和運(yùn)行時(shí)間Fig.3SVRmodelpredictionerrorandcomputationaltime10152025303540窗口尺寸圖4不同窗口尺寸下的模型預(yù)測(cè)誤差Fig.4Predictionerrorofthemodelswithdifferentwindowsizes位于[20,25]時(shí)預(yù)測(cè)誤差最低，CO2數(shù)據(jù)在窗口尺寸位于[15,20]時(shí)預(yù)測(cè)誤差最小，H2S數(shù)據(jù)在窗口尺寸為10時(shí)具有最小的預(yù)測(cè)誤差，與式(1)得出的窗口尺寸基本吻合。結(jié)合KNN、GBR和RF模型，進(jìn)一步考察提出滑動(dòng)窗口尺寸計(jì)算方法的合理性。對(duì)于相同數(shù)據(jù)，同一預(yù)測(cè)模型的預(yù)測(cè)誤差較為接近，且采用式(1)的滑動(dòng)窗口尺寸整體上略優(yōu)于SW–SVR。KNN模型的評(píng)估結(jié)果與SVR相似，空氣溫度和相對(duì)濕度數(shù)據(jù)中滑動(dòng)窗口尺寸在20左右時(shí)預(yù)測(cè)誤差最小，CO2數(shù)據(jù)在窗口尺寸為15至20之間預(yù)測(cè)誤差最小，H2S數(shù)據(jù)誤差隨著窗口尺寸的增大而增大。GBR和RF模型，空氣溫度和相對(duì)濕度數(shù)據(jù)預(yù)測(cè)誤差隨窗口尺寸同步增大。對(duì)于波動(dòng)性較強(qiáng)的CO2與H2S數(shù)據(jù)最優(yōu)窗口尺寸與式(1)較好吻合。總之，相比于SW–SVR的窗口尺寸，筆者提出的窗口尺寸計(jì)算方法能夠有效降低預(yù)測(cè)誤差和運(yùn)行時(shí)間。3.2預(yù)測(cè)模型的異常檢測(cè)性能4種預(yù)測(cè)模型對(duì)空氣溫度、空氣相對(duì)

【參考文獻(xiàn)】：
期刊論文
[1]大數(shù)據(jù)背景下采用互信息與隨機(jī)森林算法的空氣質(zhì)量預(yù)測(cè)[J]. 楊正理,史文,陳海霞,王長(zhǎng)鵬.  環(huán)境工程. 2019(03)
[2]基于LabVIEW平臺(tái)的蛋雞舍環(huán)境舒適度實(shí)時(shí)監(jiān)測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 白士寶,滕光輝,杜曉冬,杜欣怡.  農(nóng)業(yè)工程學(xué)報(bào). 2017(15)
[3]基于SW-SVR的畜禽養(yǎng)殖物聯(lián)網(wǎng)異常數(shù)據(jù)實(shí)時(shí)檢測(cè)方法[J]. 段青玲,肖曉琰,劉怡然,張璐.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2017(08)
[4]基于無線傳感器網(wǎng)絡(luò)的溫室CO2濃度監(jiān)控系統(tǒng)[J]. 王嘉寧,牛新濤,徐子明,鄭傳濤,王一丁.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2017(07)
[5]基于無線傳感器網(wǎng)絡(luò)的農(nóng)村供水廠水質(zhì)監(jiān)測(cè)節(jié)點(diǎn)的設(shè)計(jì)[J]. 李亮斌,姜晟,王衛(wèi)星,陳華強(qiáng),焦國(guó)輝.  湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(02)
[6]基于高斯過程建模的物聯(lián)網(wǎng)數(shù)據(jù)不確定性度量與預(yù)測(cè)[J]. 苑進(jìn),胡敏,Kesheng Wang,劉雪美,侯加林,米慶華.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2015(05)



本文編號(hào)：2954450