基于信任度的WSN覆盖优化算法在LUR模型中的研究

摘要

土地回归利用模型(Land Use Regression，LUR模型)是近年来环境科学领域的一个研究热点，该模型具有适用范围广、模拟准确及空间高分辨率等优点，已被证实可用于研究大气污染物空间分布及流行病学研究等方面。但在具体应用的过程中，存在缺乏对建模特征变量的空间尺度把握、样本数据采集不够精确、模型精度评价体系不够完善等问题。
　　本文以长沙市中心城区为研究区域，基于常见的地理要素特征变量，并特别加入风向这一因素，考虑到风速对大气污染物空间传播可能会产生严重影响，针对不同监测点分风向不同，划分上风向、下风向缓冲区。以此为基础建立半圆形LUR模型(SCBB)。实验表明，本文提出的依风向划分缓冲区的SCBB模型相较于传统的圆形缓冲区CBB模型能更好的解释大气污染物的空间分布，其拟合回归度更好，具有优良的性能。
　　在传统的LUR建模过程中，数据量的获取至关重要。本文对环境监测点的部署采取自组网络的方式，但考虑到人工布点存在不足，结合无线传感器网络(WSN)进行智能优化布点，使得监测点能够覆盖到监测区域的绝大部分区域。考虑在实际应用中 WSN可能需要面临的复杂情况，提出一种基于信任度的结合粒子群优化算法(PSO)的WSN覆盖优化算法，使得在各种恶劣环境下，尽可能的保持网络最大覆盖率。实验表明，本文提出的算法，相对于传统的覆盖优化算法更安全可靠，能够更好的适应各种恶劣环境。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 主要研究内容以及论文结构

第2章 LUR模型与WSN可靠覆盖概述

2.1 LUR模型概述

2.2 WSN可靠覆盖概述

2.3 本章小结

第3章 一种改进特征变量的LUR模型

3.1 LUR模型数据与方法处理

3.2 基于风向特征变量的改进SCBB模型

3.3 实验结果与分析

3.4本章小结

第4章 基于信任度的WSN覆盖优化

4.1 标准粒子群优化算法

4.2 信任度管理模型

4.3 基于信任度模型的WSN覆盖算法

4.4 实验结果与分析

4.5 本章小结

结论

参考文献

致谢

附录A 攻读硕士学位期间发表的学术论文

附录B 攻读硕士学位期间参与的科研项目