基于SVR的Wi-Fi探针缺失数据预测方法

作     者：彭浩 PENG Hao

作者机构：安徽建筑大学电子与信息工程学院安徽合肥230601 

出 版 物：《信息技术与信息化》 (Information Technology and Informatization)

年 卷 期：2022年第6期

页      面：42-45页

学科分类：080904[工学-电磁场与微波技术] 12[管理学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 0810[工学-信息与通信工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 081001[工学-通信与信息系统] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：安徽省高校省级自然科学研究重点项目(KJ2020A0470) 安徽省高校学科拔尖人才学术资助项目(gxbjZD2021067) 安徽建筑大学质量工程项目(2021jy14)部分资助 

主　　题：Wi-Fi探针 接收信号强度指示 缺失数据预测 支持向量机回归 BP神经网络 

摘      要：针对大多数情况下Wi-Fi探针采集到Wi-Fi设备的RSSI序列存在缺失的问题,采用SVR的预测方法对RSSI序列的缺失值进行预测。首先,建立基于SVR的缺失数据预测模型。然后从含有缺失值的数据中提取出连续两个时刻被Wi-Fi探针采集到的RSSI序列,分别作为模型输入和输出。最后利用多个含有缺失值的终端设备数据,将基于SVR预测方法与传统的均值预测方法以及基于BP神经网络预测方法进行缺失数据预测并分析对比。实验结果表明,基于SVR方法得到的RMSE、MAPE、MAE均小于均值预测方法以及BP神经网络的预测方法。同时利用一个终端设备的完整RSSI序列对基于SVR预测方法的性能进行验证,其均方根误差为0.761 5,平均绝对百分比误差为1.21%以及平均绝对误差为0.610 3。因此,在RSSI序列缺失数据预测中,基于SVR的预测方法结果误差小,整体准确度高,可以实现对RSSI缺失序列的有效预测。