10.13331/j.cnki.jhau.2020.04.018
基于预测模型的异常农情数据在线检测方法的研究
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、CO2和H2S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CO2和H2S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.
农业物联网、异常数据、在线检测、预测模型
46
TP391(计算技术、计算机技术)
农业部引进国际先进农业科学技术"948"项目;安徽省自然科学基金项目;安徽省重点研究;开发计划面上攻关项目;安徽农业大学省级大创项目
2020-08-27(万方平台首次上网日期,不代表论文的发表时间)
共6页
495-500