基于模型驱动的田间数据压缩采集方法研究

作     者：饶元 许文俊 赵刚 Arthur GENIS 李绍稳 RAO Yuan;XU Wenjun;ZHAO Gang;Arthur GENIS;LI Shaowen

作者机构：安徽农业大学信息与计算机学院安徽合肥230036 Katif沿海沙漠开发研究中心以色列内提沃特8771002 

出 版 物：《浙江农业学报》 (Acta Agriculturae Zhejiangensis)

年 卷 期：2018年第30卷第12期

页      面：2102-2111页

核心收录：

学科分类：082804[工学-农业电气化与自动化] 081203[工学-计算机应用技术] 08[工学] 0828[工学-农业工程] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61203217,61402013) 原农业部引进国际先进农业科学技术948项目(2015-Z44,2016-X34) 安徽省自然科学基金(1608085QF126) 安徽省高校优秀青年人才支持计划重点项目(gxyqZD2017020) 

主　　题：模型驱动 田间数据 压缩采集 适用性评价 

摘      要：基于模型驱动的数据采集方法可有效降低数据传输能耗。阐述了差分自回归移动平均模型(ARIMA)、支持向量回归模型(SVR)、线性模型(DBP)和时钟驱动循环神经网络(CW-RNN)等数据预测模型的运行机制。结合空气温度、土壤湿度、果实膨大和风速等数据,探索预测模型的训练参数和误差阈值设置方法。综合考虑数据采集误差、业务数据传输率、模型更新及预测代价等指标,运用熵权逼近最优排序法(TOPSIS)评价模型适用性。结果表明:最佳训练参数与模型机制和数据对象有关,基于前期采样值自动获取误差阈值可行。模型的适用性与数据对象、节点运算资源和网络带宽有关。常量模型Constant的适用性最高,DBP模型次之。ARIMA模型可应用于带宽受限、节点运算资源较为充沛的应用场景,SVR模型可应用于高带宽、节点运算资源受限的应用场景。