电力监测无线传感器网络中感知数据的容忍与查询

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61272437
  • 项目类别:
    面上项目
  • 资助金额:
    82.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0207.计算机网络
  • 结题年份:
    2016
  • 批准年份:
    2012
  • 项目状态:
    已结题
  • 起止时间:
    2013-01-01 至2016-12-31

项目摘要

Due to the objective factors such as measurement errors, network bandwidth limitation, communication unreliability, etc, the data captured by wireless sensor networks used to monitor power usage are often uncertain. There have some methods to improve the quality of sensor data in wireless sensor network. However, those researches are based on some experimental prototype system, and they are not systematic. To improve the quality of sensor data in power monitoring wireless sensor networks, this project will focus on the following issues. .(1) To study the technology of data quality control in sensor node, aiming to improve the sensor data acquisition quality, and reduce errors; .(2) To investigate error detection, recovery theory and algorithm over uncertain to improve the quality of sensor data; .(3) To design uncertain data tolerance and approximate query technology, in order to obtain results that satisfy the demand of the power system. .At last, we will verify our proposed theories and methods on our wireless sensor network platform. The research results of this project can provide technical support for wireless sensor networks to monitor a large scale power system.
在电力监测无线传感器网络中,由于节点环境变化、电磁干扰、测量误差、网络延迟等因素的客观存在,导致获得的感知数据经常是不确定的。围绕提高WSN中感知数据的质量,业已提出了很多方法。但这些研究工作大多都是针对一些WSN实验原型系统开展研究,且研究工作不系统,没有成熟的方法可供使用。为此,本课题以提高电力监测无线传感器网络中感知数据的质量为目的,重点研究:1)研究传感器节点采集数据质量控制技术,提高传感器节点的数据采集质量,减少错误或误差;2)研究不确定感知数据检测与修复方法,提高感知数据库的质量;3)研究容忍不确定感知数据的近似查询机制,获得满足电力系统运行需求的计算结果。利用已建立的无线传感器网络开发试验平台,对所提出的理论和方法进行验证,其研究成果将为无线传感器网络在电力系统中的大规模应用提供技术支撑。

结项摘要

在电力监测无线传感器网络中,由于节点环境变化、电磁干扰、测量误差、网络延迟等因素的客观存在,导致获得的感知数据经常是不确定的。为此,本项目以提高电力监测无线传感器网络中感知数据的质量为目的,重点研究:1)研究传感器节点采集数据质量控制技术,提高传感器节点的数据采集质量,减少错误或误差;2)研究不确定感知数据检测与修复方法,提高感知数据库的质量;3)研究容忍不确定感知数据的近似查询机制,获得满足电力系统运行需求的计算结果。利用已建立的无线传感器网络开发试验平台,对所提出的理论和方法进行验证,其研究成果将为无线传感器网络在电力系统中的大规模应用提供技术支撑。.基于电力监测无线传感器网络的特点,我们在传感器节点的智能采样,不确定感知数据的检测、修复和近似查询等方面取得的研究成果,可提高电力监测无线传感器网络中的数据质量,推动WSN 在电力系统,包括智能电网的大规模应用。.项目所取得的成果发表在国际国内重要学术期刊和会议26篇论文,其中21篇被SCI检索,5篇被EI检索。

项目成果

期刊论文数量(22)
专著数量(0)
科研奖励数量(0)
会议论文数量(3)
专利数量(0)
CO-MAP: Improving Multiple Access Efficiency of Mobile Wireless Network with Location Input
CO-MAP:通过位置输入提高移动无线网络的多路访问效率
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    IEEE Transactions on Wireless Communications
  • 影响因子:
    10.4
  • 作者:
    Wan Du;Mo Li;Jingsheng Lei
  • 通讯作者:
    Jingsheng Lei
Robust local outlier detection with statistical parameter for big data
使用大数据统计参数进行稳健的局部异常值检测
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    Computer Systems Science and Engineering
  • 影响因子:
    2.2
  • 作者:
    Jiang, Teng;Wu, Kui;Du, Haizhou;Zhu, Lin
  • 通讯作者:
    Zhu, Lin
From Landscape to Portrait: A New Approach for Outlier Detection in Load Curve Data
从横向到纵向:负载曲线数据异常值检测的新方法
  • DOI:
    10.1109/tsg.2014.2311415
  • 发表时间:
    2014
  • 期刊:
    Ieee Transactions ON Smart Grid
  • 影响因子:
    9.6
  • 作者:
    Tang Guoming;Wu Kui;Lei Jingsheng;Bi Zhongqin;Tang Jiuyang
  • 通讯作者:
    Tang Jiuyang
Unsupervised Hyperspectral Band Selection by Dominant Set Extraction
通过主集提取进行无监督高光谱波段选择
  • DOI:
    10.1109/tgrs.2015.2453362
  • 发表时间:
    2016
  • 期刊:
    IEEE Transactions on Geoscience and Remote Sensing
  • 影响因子:
    8.2
  • 作者:
    Yuancheng Huang;Jingsheng Lei;Zhongqin Bi;Feifei Xu
  • 通讯作者:
    Feifei Xu
Building emotional dictionary for sentiment analysis of online news
构建情感词典进行网络新闻情感分析
  • DOI:
    10.1007/s11280-013-0221-9
  • 发表时间:
    2014-07-01
  • 期刊:
    WORLD WIDE WEB-INTERNET AND WEB INFORMATION SYSTEMS
  • 影响因子:
    3.7
  • 作者:
    Rao, Yanghui;Lei, Jingsheng;Chen, Mingliang
  • 通讯作者:
    Chen, Mingliang

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

基于Spark平台和并行随机森林回归算法的短期电力负荷预测
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    电力建设
  • 影响因子:
    --
  • 作者:
    刘琪琛;雷景生;郝珈玮;黄燕刚;李强;罗海波
  • 通讯作者:
    罗海波
在线更新的双模版表象模型视觉跟踪
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    Journal of Information and Computational Science
  • 影响因子:
    --
  • 作者:
    仝明磊;陈曙东;雷景生
  • 通讯作者:
    雷景生
一种针对基于SVM入侵检测系统的毒性攻击方法
  • DOI:
    10.3969/j.issn.0372-2112.2019.01.008
  • 发表时间:
    2019
  • 期刊:
    电子学报
  • 影响因子:
    --
  • 作者:
    钱亚冠;卢红波;纪守领;周武杰;吴淑慧;雷景生;陶祥兴
  • 通讯作者:
    陶祥兴
大数据环境下多决策表的区间值全局近似约简
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    软件学报
  • 影响因子:
    --
  • 作者:
    雷景生;毕忠勤;苗夺谦;杜海舟
  • 通讯作者:
    杜海舟
基于粒子群优化的对抗样本生成算法
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    电子与信息学报
  • 影响因子:
    --
  • 作者:
    钱亚冠;卢红波;纪守领;周武杰;吴淑慧;云本胜;陶祥兴;雷景生
  • 通讯作者:
    雷景生

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

雷景生的其他基金

面向智能电网负荷预测的电力大数据关键技术
  • 批准号:
    61472236
  • 批准年份:
    2014
  • 资助金额:
    85.0 万元
  • 项目类别:
    面上项目
基于云计算的海量网络数据管理与搜索技术
  • 批准号:
    61073189
  • 批准年份:
    2010
  • 资助金额:
    33.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码