WSN中利用XGBoost和加权自适应HFLMS的数据约减组合预测方法

作者：于辰云; 冯锡炜; 刘旸

来源：计算机应用研究, 2021, 38(01): 246-250.

DOI：10.19734/j.issn.1001-3695.2019.11.0614

• 加权自适应滤波器
• 分层分数最小均方误差
• 无线传感器网络
• 能量约束
• XGBoost
• 数据约减
• 组合预测

针对无线传感器网络(WSN)中能量、带宽和内存等各种资源的限制问题,提出了一种XGBoost结合加权自适应分层分数最小均方误差(hierarchical fractional least-mean-square,HFLMS)的数据约减组合预测方法。首先,利用XGBoost方法对损失函数进行了二阶的泰勒展开,权衡模型的复杂度和损失函数的下降速度,实现了资源限制的稳定预测;然后提出自适应HFLMS滤波器实现WSN数据约简的传输,并基于误差估计来预测所感测的数据,有效降低了WSN中的能量约束;最后,利用两个评估参数(能量和预测误差)来验证所提组合预测方法的性能。实验结果表明,相比没有预测、近似最速下降算法和分层最小均方滤波技术,提出的预测方法获得的预测结果更好。

• 单位
  辽宁石油化工大学