Original scientific paper

https://doi.org/10.17559/TV-20160108183528

Istraživanje o predviđanju nestabilnosti greške senzora "Interneta poljoprivrednih stvari" na temelju najvećeg Lyapunovog eksponenta

Yong Li ; Open Laboratory of Geo-spatial Information Technology and Application of Guangdong Province, Guangzhou Institute of Geography, 100 Xianliezhong Road, Guangzhou 510070, China
Jingfeng Yang ; Open Laboratory of Geo-spatial Information Technology and Application of Guangdong Province, Guangzhou Institute of Geography, 100 Xianliezhong Road, Guangzhou 510070, China
Nanfeng Zhang ; Chief Engineer of Guangzhou Entry Exit Inspection and Quarantine Bureau laboratory
Ji Yang ; Open Laboratory of Geo-spatial Information Technology and Application of Guangdong Province, Guangzhou Institute of Geography, 100 Xianliezhong Road, Guangzhou 510070, China
Handong Zhou ; Guangzhou Yuntu Information Technology Co., South China Agricultural University College of Engineering, 19 Tangdongdong Road, Guangzhou 510665, China
Jiarong He ; Post-graduate student in South China University of Technology

Abstract

U ovom se istraživanju primjenjuje algoritam najvećeg Lyapunovog eksponenta za predviđanje tipova greške u mreži bežičnog senzora "Interneta poljoprivrednih stvari". Podaci o greški u sustavu dobiveni su od Interneta poljoprivrednih stvari, koji se sastoji od mreže kalibriranog TDR senzora vlage tla u svrhu razvijanja modela za predviđanje nestabilnosti greške senzora na temelju algoritma najvećeg Lyapunovog eksponenta. U svrhu provjere primjenjivosti tog modela u predviđanju uzoraka za uvježbavanje pod različitim uvjetima, u ovom se istraživanju ispituje i uspoređuje takav algoritam s modelom C4.5 algoritma kao prikaza podataka o grešci za različite postotke uzoraka za uvježbavanje. Metoda najvećeg Lyapunovog eksponenta za predviđanje nestabilnosti primjenjuje se također na niz za uvježbavanje koji uglavnom uključuje normalne podatke. Algoritmom se postiže točnost predviđanja od 90,43 %, što je 5,55 % više nego kod algoritma C4.5 (84,88 %). Različiti algoritmi pokazuju određeni stupanj prilagodljivosti u različitim uvjetima primjene. Metodom najvećeg Lyapunovog eksponenta za predviđanje nestabilnosti postižu se bolji rezultati kad se koriste mnogi autentični primjeri. Rezultati testa prilagodljivosti primjene pokazuju da model predviđanja nestabilnosti greške senzora zasnovan na algoritmu najvećeg Lyapunovog eksponenta omogućuje pouzdan pristup za dobivanje informacija o greški senzora i predviđanje grešaka u Internetu Poljoprivrednih Stvari.

Keywords

algoritam najvećeg Lyapunovog eksponenta; Internet poljoprivrednih stvari; predviđanje nestabilnosti greške; senzor

Hrčak ID:

153154

URI

https://hrcak.srce.hr/153154

Publication date:

19.2.2016.

Article data in other languages: english

Visits: 2.479 *