相关实验视频
Updated: Jun 27, 2025
08:20
In Situ Soil Moisture Sensors in Undisturbed Soils
Published on: November 18, 2022
6.2K
无线传感器数据的缺失值推算用于环境监测
Thomas Decorte1, Steven Mortier2, Jonas J Lembrechts3
1Department of Mathematics, University of Antwerp-imec, Middelheimlaan 1, 2000 Antwerp, Belgium.
Sensors (Basel, Switzerland)
|April 27, 2024
概括
大规模的环境传感器数据往往有缺失的值. 空间数据恢复技术,特别是矩阵完成,有效地填补了这些缺口,增强了对关键监控工作的数据分析.
科学领域:
- 环境科学 环境科学
- 数据科学数据科学数据科学
- 传感器网络 传感器网络
背景情况:
- 传感器网络产生了巨大的时空数据集,对各种领域至关重要.
- 这些数据集中缺少的数据,由于传感器问题,妨碍了分析.
- 重建丢失的传感器数据是一项挑战,特别是考虑到空间和时间的相关性.
研究的目的:
- 评估大型环境监测数据集的各种数据归算方法.
- 为了比较空间与时间数据恢复技术的有效性.
- 确定在物联网网络中完成缺失的传感器读数的最佳方法.
主要方法:
- 在一个大规模的环境数据集 (温度,土壤湿度) 上应用和评估了12种归算方法.
- 包括诸如Spline插值,MissForest,MICE,MCMC,M-RNN和BRITS这样的方法.
- 在各种缺失数据比例 (10-50%) 和现实的场景中评估性能.
主要成果:
- 空间数据恢复技术通常优于基于时间的归算方法.
- 矩阵完成技术在赋值缺失值方面表现出最高的性能.
- 在不同的缺失数据百分比和现实的条件下评估了有效性.
结论:
- 空间归算方法对于在大型环境传感器数据中补充缺失的值是优越的.
- 矩阵完成为物联网环境监控中的数据缺口提供了强大的解决方案.
- 这些发现最大限度地提高了广泛的环境监测投资的效用.
