面向小气候观测的气象传感网布局优化与数据融合算法研究

Observation data of microclimate sensor network is engaged in study and application of professional microclimate prediction, representative and accurate meteorological sensor network layout is reasonable or not directly influence these observations. The microclimate observation data fusion quality directly affect the data collection efficiency and network lifetime. Because of the existence of meteorological elements isotropic and homogeneous assumption of existing meteorological sensor network layout optimization and data fusion, and did not consider the problem of sensor service object. This project:.This project: (1) proposed to determine the types of meteorological sensor and the best position of interpolation based on radial basis function neural network model, this model introduces meteorological elements of multiple environmental factors and the integration of a variety of observational data, further improve the representative meteorological sensor network observation data. (2) based on the regional characteristics and meteorological sensor network service object, puts forward the interpolation error balanced cluster-based optimization method to determine the optimum density station network, the method to measure the interpolation error for each sub area based on regional characteristics of the region and meteorological sensor network service object. (3) compressed sensing data fusion model based on the low delay aware data temporal correlation, reduce redundant data, improve the network life cycle. This project aims to use meteorological sensor network theory and the theory of data fusion and data fusion based layout optimization of meteorological theory, network optimization, provide new ideas and theoretical reference for the application of meteorological sensor network..

小气候传感网的观测数据是从事专业小气候预报研究与应用的基础，气象传感网的布局是否合理直接影响这些观测资料的代表性和准确性。观测数据的融合质量直接影响数据收集效率和网络寿命。由于现有气象传感网的布局优化和数据融合研究存在着气象要素场各向同性和均匀的假设条件，并且没有考虑传感器服务对象等问题。本项目：（1）提出基于径向基函数神经网络的插值模型来确定气象观测传感器的类型与最佳位置，此模型引入气象要素的多个环境影响因子和多种观测资料，提高气象传感网观测资料的代表性与准确性。（2）提出插值误差均衡的分簇式优化方法来确定站网的最佳密度，此方法根据研究区域子区域特点和气象传感网服务对象来权衡各子区域的插值误差。（3）提出基于感知数据时空相关性的低时延压缩感知数据融合模型，减少传输数据的冗余性，提高网络生命周期。本项目旨在利用气象基础、网络优化和数据融合等理论为气象传感网的应用研究提供新思路和理论参考。

气象传感网布局优化是小气候观测研究的重要内容，传感器数量和位置的选择直接关系到小气候预报模型的预报效果、植物生长模型的准确，以及这两个模型的修正结果等。数量众多的传感器节点在网络中产生了大量的数据，而无线传感器网络只有有限的能量和传输带宽，难以适应大量数据的收集。气象传感网大多部署于环境恶劣的监测区域，节点多采用随机分布，造成了监测区域重叠或监测区域丢失，因此需要采用插值方法来补偿、补全监测数据。在小气候传感网观测系统允许一定的精度误差与时间延迟误差的前提下，对这些气象数据进行数据融合处理，能够提高数据收集率降低能耗延长网络寿命。数据压缩是一项能有效减少数据量的网内数据处理技术。因此本项目针对温室与农田小气候观测网布局优化问题，研究了小气候区域内传感器和执行器的最优布局位置及其气象要素的观测配置，以及区域内气象传感网的最佳密度，本项目提出的模型引入了气象要素的多个环境影响因子和多种观测资料，本项目提出的方法根据研究区域子区域特点和气象传感网服务对象来权衡各子区域的插值误差，结合LEACH路由选择协议和改进的BP神经网络插值算法，对气象传感网采集到的数据进行预测插值，提高气象传感网观测资料的代表性与准确性。本项目同时针对温室与农田小气候观测网数据冗余度高和相关性强等特点，研究了小气候观测传感网的数据融合，提出了数据联合稀疏预处理模型等低时延压缩感知数据融合模型，减少传输数据的冗余性，提高网络生命周期。气象传感网布局优化是小气候观测研究的重要内容, 传感器数量和位置的选择直接关系到小气候预报模型的预报效果、植物生长模型的准确，以及这两个模型的修正结果等。本项目旨在利用气象基础、网络优化和数据融合等理论为气象传感网的应用研究提供新思路和理论参考。