学位论文 > 优秀研究生学位论文题录展示

基于无线传感器网络的林火预测及关键算法研究

作　者: 刘丹
导　师: 王霓虹
学　校: 东北林业大学
专　业: 机械设计及理论
关键词: 无线传感器网络林火预测定位算法蚁群算法分簇算法
分类号: TN929.5
类　型: 博士论文
年　份: 2012年
下　载: 298次
引　用: 0次
阅　读: 论文下载

内容摘要

近来,每年频发的森林火灾,大量呑噬着森林的生命,进一步恶化了生态环境,给人类的生产、生活带来巨大的损失,成为四大自然灾害之一。因此,利用先进的科技手段,对森林火险进行预测,降低森林火灾的发生率,进一步减轻或避免森林火灾为人类带来的巨大损失,意义重大；同时,伴随“数字地球”的提出,“数字林业”的开展也在不断深化,林火预测技术已由原来的粗放式预测方法逐渐向科技信息化转变。本文将无线传感器网络技术、控制技术、计算机仿真技术、无线组网技术和林火预测方法融合起来,建立了基于无线传感器网络的林火预测方法,从而为提升林火预测的水平,加大保护森林生态的力度,从理论和方法上进行了新的探索和深入研究。本文结合林火预测的特点,根据伊春近十年林火发生前的气象数据,详细分析了单-气象因素对林火发生的贡献度,利用Logistic线性回归方法计算每一气象因子的影响概率,确定基于无线传感器网络进行林火预测的感应因了,应用多元线性回归方程建立区域性综合气象指标的林火火险预测方法。该方法根据预测区域的林火发生前的大量气象数据进行多元线性方程的推导,具有良好的地域实效性和推广应用价值。本文利用ZigBee无线组网技术,结合GPRS无线传输机制,构建了用于林火预测的无线传感器网络,传感器节点采用当前能耗较小的MSP430F5438单片机与DS18B20温度传感芯片、HR202湿度传感芯片的结合,温湿度感应范围满足林火预测的需求,具有快速数据处理能力的高效单片机,为林火预测提供了良好的无线传感器网络的保障。为了准确预测林火发生的位置,本文在重心扫描定位算法的基础上进行了改进,改进算法降低了InToOut和OutToIn的误判率,利用未知节点周围的邻居节点解决了未知节点周围的信标节点稀疏的问题,提高了节点的覆盖率,降低了节点定位的误差率。仿真结果表明,随着信标节点密度的增加,未知节点的定位误差率在逐步下降；在信标节点较稀疏的网络中,改进的重心扫描定位算法较原有重心扫描定位算法定位误差率下降大约40%,大大提升了网络的定位精度,为随机分布节点的无线传感器定位增加了更大的灵活性,和其它定位算法比较优势较大。为了更好地延长用于林火预测无线传感器网络的生命周期,本文提出了基于蚁群能量分簇算法(ECBAC),该算法在保证网络能量消耗最小的情况下进行分簇个数的确定,利用主簇头和副簇头均衡网络中簇头节点能量的消耗,综合能量、距离和分工的因素选择主、副簇头,确定成簇半径,将网络合理、能量消耗均衡地进行了分簇划分。在主簇头向汇聚节点的数据传输过程中,结合蚁群算法,利用节点剩余能量和簇头间距离进行最短路径的数据传递。整个算法在设计过程中,始终以能量消耗为前提,在不增加算法复杂性的基础上,大大降低了网络能量的消耗,延长了网络的生存周期。仿真结果表明,ECBAC算法利用了两个簇头节点对簇内事务的分工处理,既增加了网络的延续性,又较其它算法降低了簇头的能量消耗,网络的总能量消耗较LEACH算法下降15%,良好地延长了网络的生命周期,该节能算法具有实用价值。基于无线传感器网络的林火预测及定位算法、能量节约算法的研究,针对当前频发的火灾能够起到捉前预测的作用,防止火灾的发生,推进了我国林火预测工作的科学化、智能化和信息化,为保护森林生态提供新思路。

全文目录

摘要  4-6
Abstract  6-16
1 绪论  16-31
  1.1 研究背景  16-21
    1.1.1 林火概述  16-17
    1.1.2 林火的危害性  17-18
    1.1.3 林火预测的国内外发展现状  18-19
    1.1.4 林火预测的必要性  19-20
    1.1.5 林火预测的措施  20-21
  1.2 无线传感器网络  21-27
    1.2.1 无线传感器网络简介  21
    1.2.2 无线传感器网络体系结构及特点  21-23
    1.2.3 无线传感器网络通信协议栈  23-24
    1.2.4 无线传感器网络的应用领域  24-25
    1.2.5 无线传感器网络的研究热点  25
    1.2.6 无线传感器网络研究现状  25-27
  1.3 无线传感器网络在林火中应用的研究现状  27-28
    1.3.1 国外无线传感器网络在林火应用中的研究现状  27
    1.3.2 国内无线传感器网络在林火应用中的研究现状  27-28
  1.4 本文研究的目的和意义  28
  1.5 本文研究内容及拟解决的关键问题  28-29
    1.5.1 本文研究的内容  28
    1.5.2 本文拟解决的关键问题  28-29
  1.6 论文结构  29-31
2 区域林火预测方法的研究  31-48
  2.1 研究区域概况  31-32
    2.1.1 伊春地理位置  31
    2.1.2 伊春火灾分析  31
    2.1.3 伊春林火发生前期气象信息  31-32
  2.2 影响林火发生因素的分析  32-35
    2.2.1 季节变化对林火发生的影响  32-33
    2.2.2 气象因素对林火发生的影响  33-35
    2.2.3 其它因素对林火发生的影响  35
  2.3 气象数据分析对林火预测的影响  35-36
    2.3.1 气温变化的分析  35-36
    2.3.2 降水变化的分析  36
    2.3.3 相对湿度变化的分析  36
  2.4 气象因子单一因素对林火发生的贞献度  36-41
    2.4.1 日最高气温对林火发生的贡献度  37
    2.4.2 气温日较差对林火发生的贡献度  37-38
    2.4.3 当日空气相对湿度对林火发生的贡献度  38-39
    2.4.4 前三天空气平均相对湿度对林火发生的贡献度  39-40
    2.4.5 24小时降水量对林火发生的贡献度  40
    2.4.6 风速对林火发生的贡献度  40-41
  2.5 Logistic回归检验多种气象因子的贡献度  41-43
    2.5.1 Logistic回归方法  41-42
    2.5.2 利用Logistic回归方法计算各气象因子似然比  42-43
  2.6 综合气象指标预测林火火险方法的实现  43-47
    2.6.1 多元线性回归方程  43-44
    2.6.2 建立多元线性回归方程预测林火火险等级  44-47
    2.6.3 线性回归方程预测林火火险方法的优越性  47
  2.7 本章小结  47-48
3 林火预测的无线传感器网络的构建  48-58
  3.1 无线通信技术的选取  48-50
    3.1.1 无线通信技术的比较  48-49
    3.1.2 Zigbee技术的优势和应用  49-50
  3.2 基于ZigBee协议的无线传感器网络的构建  50-54
    3.2.1 ZigBee协议栈的构建  50-51
    3.2.2 基于ZigBee技术网络构建的方法  51-52
    3.2.3 ZigBee的网络地址分配机制  52
    3.2.4 基于ZigBee技术无线传感器网络的构建  52-54
  3.3 无线传感器网络硬件设计  54-57
    3.3.1 数据处理模块  55
    3.3.2 传感器模块  55-56
    3.3.3 无线通信模块  56
    3.3.4 电源模块  56
    3.3.5 天线模块  56-57
  3.4 本章小结  57-58
4 无线传感器网络重心扫描定位改进算法的研究  58-79
  4.1 引入无线传感器网络定位  58-60
    4.1.1 传感器节点定位的基本概念  58-59
    4.1.2 传感器节点定位需具备的条件  59
    4.1.3 传感器网络节点定位基本术语  59-60
  4.2 传感器网络定位算法  60-67
    4.2.1 传感器网络节点定位计算的基本方法  60-62
    4.2.2 传感器网络定位算法的分类  62-63
    4.2.3 距离无关的定位算法原理  63-65
    4.2.4 距离无关定位算法的比较  65-67
  4.3 APIT定位算法性能改进的分析  67-69
    4.3.1 PIT原理  67-68
    4.3.2 APIT算法缺陷  68
    4.3.3 APIT改进算法性能的比较  68-69
  4.4 重心扫描定位算法  69-70
    4.4.1 APIT测试理论的修正  69
    4.4.2 重心扫描定位算法的实现  69-70
  4.5 重心扫描定位算法的改进算法  70-74
    4.5.1 提出改进重心扫描定位算法的原理  70-73
    4.5.2 改进的重心扫描定位算法的基本思想  73
    4.5.3 改进的重心扫描定位算法的实现  73-74
  4.6 改进的重心扫描定位算法的仿真实现  74-78
    4.6.1 仿真环境  74
    4.6.2 定位误差的比较  74-77
    4.6.3 定位误差和覆盖率的比较  77-78
  4.7 本章小结  78-79
5 无线传感器网络能量节约算法的研究  79-99
  5.1 无线传感器能量模块  79-81
    5.1.1 无线传感器能量模块的分析  79-80
    5.1.2 无线传感器能量模块的具体分析要素  80-81
  5.2 蚁群算法的引入  81-84
    5.2.1 蚁群算法基本思想  81
    5.2.2 蚁群算法模型  81-83
    5.2.3 蚁群算法在无线传感器网络中应用  83-84
  5.3 分簇路由协议的引入  84-87
    5.3.1 路由协议的分类  84-85
    5.3.2 分簇路由协议概念及特点  85-86
    5.3.3 分簇路由协议的研究  86-87
  5.4 基于蚁群能量分簇算法的构建  87-95
    5.4.1 基于蚁群能量分簇算法的提出  87-88
    5.4.2 ECBAC算法的设计思想  88-89
    5.4.3 ECBAC算法能量的计算  89-90
    5.4.4 ECBAC算法最佳簇头个数的计算  90-91
    5.4.5 ECBAC算法簇头的确定和成簇半径的计算  91-94
    5.4.6 ECBAC算法簇头间的数据传递  94-95
  5.5 ECBAC算法仿真实现  95-98
    5.5.1 仿真环境  95
    5.5.2 仿真参数表  95
    5.5.3 簇头能量消耗仿真  95-97
    5.5.4 网络随时间变化的能量消耗仿真  97-98
  5.6 本章小结  98-99
结论  99-101
参考文献  101-108
攻读学位期间发表的学术论文  108-109
致谢  109-110

基于无线传感器网络的林火预测及关键算法研究

内容摘要

全文目录

相似论文