Resumen

Muchos procesos industriales son inherentemente distribuidos en el espacio y el tiempo y se denominan sistemas dinámicos distribuidos espacialmente (SDDSs). La ubicación de los sensores afecta la captura de la distribución espacial y luego se convierte en un problema crucial para modelar o controlar un SDDS. En este estudio, se desarrolla un nuevo método de ubicación de sensores basado en datos. El algoritmo SVR se utiliza de manera innovadora para extraer las características de la distribución espacial de un conjunto de datos espacio-temporales. Los vectores de soporte aprendidos por SVR representan la estructura de datos espaciales crucial en el conjunto de datos espacio-temporales, que se pueden emplear para determinar la ubicación óptima del sensor y el número de sensores. Se desarrolla un esquema sistemático de diseño de ubicación de sensores en tres pasos (recopilación de datos, aprendizaje de SVR y localización de sensores) para una implementación sencilla. Finalmente, la efectividad del esquema propuesto de ubicación de senso

• Materias:Ecuaciones diferenciales Axiomas de lógica Intervalo Semiilimitado Deformación no lineal Cadenas homotópicas
• Subjects:Differential equations Logic axioms Semi-limited interval Nonlinear deformation Homotopy chains
• Palabras claves:Procesos industriales; Sistemas dinámicos distribuidos; Ubicación de sensores; Distribución espacial; Algoritmo SVR; Datos espacio-temporales
• Keywords:Industrial processes; Distributed dynamical systems; Sensor placement; Spatial distribution; SVR algorithm; Spatiotemporal data