| 基于预测模型的异常农情数据在线检测方法的研究 |
| |
| 引用本文： | 王文,饶元,李绍稳,Arthur GENIS.基于预测模型的异常农情数据在线检测方法的研究[J].湖南农业大学学报(自然科学版),2020,46(4):495-500. |
| |
| 作者姓名： | 王文 饶元 李绍稳 Arthur GENIS |
| |
| 作者单位： | 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 |
| |
| 基金项目： | 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项目(1608085QF126)；安徽省重点研究和开发计划面上攻关项目(1804a07020108，201904a06020056)；安徽农业大学省级大创项目(201910364263) |
| |
| 摘 要： | 为保证农业物联网传感器的数据感知质量,构建了基于滑动窗口和预测模型(支持向量回归、K近邻、梯度提升回归和随机森林)的异常农情数据在线检测框架,提出了基于数据特征的滑动窗口尺寸计算方法,运用熵权逼近最优排序法评价预测模型适用性。采用羊圈环境数据(空气温度、相对湿度、CO_2和H_2S体积分数)进行试验,结果表明,滑动窗口尺寸计算方法优于仅基于采样间隔和特征周期的计算方法;模型预测误差与其异常检测性能负相关,且对误检率影响更大;支持向量回归模型对空气温度和相对湿度异常数据检测适用性最好,贴近度达0.8以上,梯度提升回归和K近邻模型分别对CO_2和H_2S体积分数异常数据检测适用性较优,两者贴近度均在0.6左右。
|
| 关 键 词： | 农业物联网 异常数据 在线检测 预测模型 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《湖南农业大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《湖南农业大学学报(自然科学版)》下载免费的PDF全文 |
|
