基于预测模型的异常农情数据在线检测方法的研究

• 作者: Arthur GENIS 李绍稳 王文 饶元
• 来源期刊: 湖南农业大学学报（自然科学版）
• 学科: 工学
• 关键词: 农业物联网 异常数据 在线检测 预测模型
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 农业工程
• 页码范围: 495-500
• 页数: 6页
• 分类号: TP391
• 字数: 3696字
• 语种: 中文
• DOI: 10.13331/j.cnki.jhau.2020.04.018

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、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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李绍稳	安徽农业大学信息与计算机学院	97	1070	16.0	30.0
2	饶元	安徽农业大学信息与计算机学院	42	120	7.0	9.0
3	王文	安徽农业大学信息与计算机学院	1	0	0.0	0.0