2篇
您的检索式：作者名="Arthur GENIS"
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于预测模型的异常农情数据在线检测方法的研究显示文摘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。 | 王文 饶元 李绍稳 Arthur GENIS | 2020 | 湖南农业大学学报(自然科学版)2020，46，4： | 3 |
| 2 | 基于模型驱动的田间数据压缩采集方法研究显示文摘基于模型驱动的数据采集方法可有效降低数据传输能耗。阐述了差分自回归移动平均模型(ARIMA)、支持向量回归模型(SVR)、线性模型(DBP)和时钟驱动循环神经网络(CW-RNN)等数据预测模型的运行机制。结合空气温度、土壤湿度、果实膨大和风速等数据,探索预测模型的训练参数和误差阈值设置方法。综合考虑数据采集误差、业务数据传输率、模型更新及预测代价等指标,运用熵权逼近最优排序法(TOPSIS)评价模型适用性。结果表明:最佳训练参数与模型机制和数据对象有关,基于前期采样值自动获取误差阈值可行。模型的适用性与数据对象、节点运算资源和网络带宽有关。常量模型Constant的适用性最高,DBP模型次之。ARIMA模型可应用于带宽受限、节点运算资源较为充沛的应用场景,SVR模型可应用于高带宽、节点运算资源受限的应用场景。 | 饶元 许文俊 赵刚 Arthur GENIS 李绍稳 | 2018 | 浙江农业学报2018，30，12： | 1 |
您所在的机构暂未开通此部分的功能，请联系管理员