投稿须知
    1.文稿  应内容新颖、论点明确、数据可靠、图表清楚、文字简洁,是尚未公开发表过的原创作品。文稿篇幅长度一般不超过6 个印刷页。投稿时请提供相应的Word文件,图表插入文件适当位置,并单独提供图的原始文件(含原始数据),文件大小不要超过3 M。
    2.题目与 ...

基于模型驱动的田间数据压缩采集方法研究

作者: 饶元 [1] 许文俊 [1] 赵刚 [1] Arthur GENIS [2] 李绍稳 [1]

关键词: 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.


上一篇: 不同浓度酸雨对镉污染下桑树幼苗生物量和生理特性的影响
下一篇: 长期不同施肥模式下南方水稻土有机碳的平衡特征

浙ICP备09030064号 | 浙江省农业科学院. All Rights Reserved. 
地址:杭州市石桥路198号浙江省农业科学农村发展与信息研究所  邮政编码:310021