Resumen

Con el rápido desarrollo de Internet de las cosas y la tecnología de la información, la tecnología de redes de sensores inalámbricos se utiliza ampliamente en la supervisión industrial. Sin embargo, limitadas por las características de arquitectura, las características de software y hardware y los complejos factores ambientales externos de las redes de sensores inalámbricos, a menudo se producen graves anomalías en los datos de monitorización de las redes de sensores inalámbricos, que afectan aún más al juicio y la respuesta de los usuarios. Basándose en esto, este documento optimiza y mejora el algoritmo de detección de fallos del análisis de datos anómalos relacionados en redes de sensores inalámbricas desde dos ángulos y verifica el algoritmo al mismo tiempo. En el primer nivel, teniendo como objetivo el problema de la insuficiente cooperación espacial al que se enfrenta el nivel de detección de datos anormales de la red, este trabajo establece primero un modelo de detección de vecinos estables basado en la red inalámbrica y filtra y analiza la fiabilidad de los nodos de datos cooperativos de la red y, a continuación, establece el modelo de evaluación de la estabilidad de los datos de detección utilizando la correlación espaciotemporal correspondiente a los nodos de datos. Realiza la detección de datos anómalos. En el segundo nivel, teniendo como objetivo el problema de la detección de eventos anormales en la red inalámbrica, este trabajo propone un algoritmo de optimización de agrupación espacial, que principalmente agrupa el flujo de datos de detección en la ventana de tiempo de la red inalámbrica a través del algoritmo de agrupación, y analiza los datos agrupados, con el fin de realizar la detección de eventos anormales en la red, para retener las características de los eventos y clasificar aún más los eventos de datos anormales. Este artículo verificará la realizabilidad y superioridad del algoritmo de optimización mejorado mediante tecnología de simulación. Los experimentos muestran que la tasa de detección de fallos basada en el análisis de datos anómalos alcanza el 97%, un 5% más que la tasa de detección de fallos tradicional. Al mismo tiempo, la correspondiente tasa de falsa detección de averías es baja y se controla por debajo del 1%. La eficacia de este algoritmo es aproximadamente un 10% superior a la del algoritmo tradicional.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:redes de sensores inalámbricos, artículo, algoritmo, red, al mismo tiempo, red inalámbrica, nivel de detección de datos anormales, factores ambientales externos complejos, modelo de evaluación de la estabilidad de los datos de detección, análisis de datos anormales relacionados
• Keywords:wireless sensor networks, paper, algorithm, network, same time, wireless network, abnormal data detection level, complex external environmental factors, detection data stability evaluation model, related abnormal data analysis