CN108510123A - 一种基于物联网的湿地保护与开发的优化分析方法 - Google Patents

一种基于物联网的湿地保护与开发的优化分析方法 Download PDF

Info

Publication number
CN108510123A
CN108510123A CN201810298519.0A CN201810298519A CN108510123A CN 108510123 A CN108510123 A CN 108510123A CN 201810298519 A CN201810298519 A CN 201810298519A CN 108510123 A CN108510123 A CN 108510123A
Authority
CN
China
Prior art keywords
data
wetland
wet land
qos
variation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810298519.0A
Other languages
English (en)
Inventor
霍莉莉
安毅
林大松
秦莉
杜兆林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Agro Environmental Protection Institute Ministry of Agriculture
Original Assignee
Agro Environmental Protection Institute Ministry of Agriculture
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Agro Environmental Protection Institute Ministry of Agriculture filed Critical Agro Environmental Protection Institute Ministry of Agriculture
Priority to CN201810298519.0A priority Critical patent/CN108510123A/zh
Publication of CN108510123A publication Critical patent/CN108510123A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computational Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Development Economics (AREA)
  • Mathematical Optimization (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Analysis (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明属于湿地保护与开发技术领域，公开了一种基于物联网的湿地保护与开发的优化分析方法，由数据采集终端通过无线信号连接无线局域网络，实时监测湿地覆盖的区域中植物生长状况，以及湿地功能运作状况；将检测的数据信息发送到网络中；通过数据优化平台设定的评判标准，对数据采集终端采集的湿地数据建立数据模型，分析湿地的状况，并设计湿地保护开发方案。本发明通过数据采集终端连接无线网络，可以实时无线远程监控采集数据；通过数据优化平台对湿地的分析可以提高数据准确性，促使更加有效的对湿地进行开发。

Description

一种基于物联网的湿地保护与开发的优化分析方法
技术领域
本发明属于湿地保护与开发技术领域，尤其涉及一种基于物联网的湿地保护与开发的优化分析方法。
背景技术
湿地指天然或人工形成的沼泽地等带有静止或流动水体的成片浅水区，还包括在低潮时水深不超过6米的水域。湿地与森林、海洋并称全球三大生态系统，在世界各地分布广泛。湿地生态系统中生存着大量动植物，很多湿地被列为自然保护区。然而，现有的湿地分析需要人工到现场进行采集分析，这种方式工作效率低，数据不准确。
综上，现有技术存在的问题是：现有的湿地分析需要人工到现场进行采集分析，这种方式工作效率低，数据准确率低，导致湿地开发与保护不能有效结合。
发明内容
针对现有技术存在的问题，本发明提供了一种基于物联网的湿地保护与开发的优化分析方法。
本发明是这样实现的，一种基于物联网的湿地保护与开发的优化分析方法，所述基于物联网的湿地保护与开发的优化分析方法包括以下步骤：
步骤一，数据采集终端通过无线信号连接无线局域网络，实时监测湿地覆盖的区域中植物生长状况，以及湿地功能运作状况；将检测的数据信息发送到网络中；
所述无线局域网络的IP地址动态分配方法利用协议中周期性广播的HELLO包来传送IP地址，每个节点建立表格来存储IP和MAC的对应关系，节点在收到HELLO包时，判断HELLO包携带的IP地址是否和表中的冲突，冲突则发送冲突通知给冲突节点，冲突节点重新生成IP地址，并丢弃此HELLO包；反之，继续处理HELLO包；
该无线局域网中IP地址动态分配方法包括两个新的帧结构和一个新的发送/接收函数；
所述无线局域网络的总链路质量的计算公式为：
Qos＝new_qos-data_len-skb_size-rtt-pacloss-signal
其中，Qos为总链路质量，data_len为发送数据长度，skb_size为接收缓冲队列长度，rtt为平均时延，pacloss为丢包率，signal为信号强度的绝对值；
其中，node_number_punishment为中间路径上设置的跳数惩罚，
combined_qos＝hello_qos×qos_own×qos_different_lq_punishment
其中，hello_qos为hello广播包中关于链路质量的信息，
qos_different_lq_punishment为链路非对称惩罚，其算法为：
步骤二，通过数据优化平台设定的评判标准，对数据采集终端采集的湿地数据建立数据模型，分析湿地的状况，并设计湿地保护开发方案；
所述数据采集终端安全数据检索方法包括以下步骤：
步骤一，传感器Si完成一个周期的数据采集，采集的数据为(i，t，{d1，d2，…，dn})，其中i为传感器号，t为周期号；Si首先采用AES对数据{d1，d2，…，dn}进行加密，生成加密数据{(d1)K，(d2)K，…，(dn)K}，其中K为数据加密密钥；
步骤二，Si为每一个数据构建一个不可区分布鲁姆过滤器，且每一个不可区分布鲁姆过滤器分配一个唯一的ID号，对数据dj，Si构建一个分配ID号为ij的不可区分布鲁姆过滤器Bij；
步骤三，Si将加密数据、对应的不可区分布鲁姆过滤器以及其ID号上传到存储节点，上传的数据形式为：{(i1，Bi1，(d1)K)，(i2，Bi2(d2)K)，…，(in，Bin，(dn)K)}；
所述不可区分布鲁姆过滤器Bij构造方法如下：
(1)对Bij进行初始化，对每一个对0<＝c<m，单元B[c][H(ij||hk+1(t||c))]:＝0，B[c][1-H(ij||hk+1(t||a))]:＝1；
(2)采用h1，h2，…，hk计算h1(dj)，h2(dj)，…，hk(dj)；置B[hf(dj)][H(ij||hk+1(t||hf(dj)))]：＝1，B[hf(dj)][1-H(ij||hk+1(t||hf(dj)))]：＝0，其中1<＝f<＝k；
所述步骤三具体包括：
Sink节点需要检索数据值d是否存在，生成检索条件为：{(hk+1(t||h1(d))，h1(d))，(hk+1(t||h2(d))，h2(d))，…，(hk+1(t||hk(d))，hk(d))}；
当存储节点接收到检索条件{(hk+1(t||h1(d))，h1(d))，(hk+1(t||h2(d))，h2(d))，…，(hk+1(t||hk(d))，hk(d))}，对每一个不可区分布鲁姆过滤器Bij的第h1(d)，h2(d)，…，hk(d)，判断Bij[hf(d)][H(ij||hk+1(t||hf(d)))]的值是否全部为1，其中1<＝f<＝k，如果全为1，则对应的数据满足查询条件，否则对应的数据不满足查询条件；存储节点把所有满足查询条件的加密数据返回给Sink节点；
Sink节点接收到存储节点返回的加密数据后，首先对数据进行解密，并排除由于假阳性带来的实际不满足查询条件的数据；
进一步，所述数据采集终端包括无线摄像头、温度传感器、湿地传感器、光照传感器、水质监测器；
无线摄像头，用于对湿地整体区域进行监控采集；
所述无线摄像头的图像传输方法首先比较相邻两帧图像，找出所有图像变化的区域，然后根据变化像素点的坐标得到面积最小的不重叠矩形区域的集合；每次只发送矩形区域集合所包含的图像数据和对应坐标信息；
根据像素点的坐标得到变化矩形区域，式(1)和式(2)是根据变化像素点来判断矩形R范围的算式；
Rl≤Px AND Rt＝Pyi (1)
Rr≥Px AND Rb≥Py (2)
其中Rl和Rt代表矩形左上角的横坐标和纵坐标，Rr和Rb代表矩形右下角的横坐标和纵坐标，Px和Py代表变化像素点的横坐标和纵坐标，Py0代表第一次变化像素点的纵坐标；根据式(1)和式(2)求得变化矩形区域的范围；先将前后相邻两幅位图的数据保存下来，并判断前后两帧屏幕所对应像素的值是否变化；当第一次检测到变化的采样点时，会将变化采样点的坐标(PX0,PY0)进行记录，作为变化矩形区域的左上角坐标(Rl,Rt)，并且将行无变化标识为false；继续对比，当再次检测到不同采样点时，先将行无变化标识为false，接着将采样点的横坐标Px同矩形左上角的横坐标Rl进行比较并取最小值，同时矩形右下角的坐标(Rr,Rb)会和点的坐标(Px,Py)比较并取最大值；即：
Rl＝min(Pxi,Rl)(i>1) Rt＝Pyi(i＝1)
Rr＝max(Rxi,Rr)(i>1) Rb＝max(Ryi,Rb)(i>1)
当检测到某行采样点值全部都相同时，得到一个变化的矩形区域块；
在一个扫描区域中对变化区域进行矩形分割算法采用隔列直接比较法判断前后图像缓冲区中两帧屏幕图像所对应像素是否变化从而找出变化的矩形区域；按照从上到下，从左到右的原则，基于矩形分割隔列扫描的图像传输方法找出后一帧图像相对于前一帧图像所有变化区域并基于矩形分割算法得到面积最小的不重叠矩形区域的集合；
温度传感器，用于对湿地的温度状况进行检测采集；
湿地传感器，用于对湿地的湿度状况进行检测采集；
光照传感器，用于对湿地的光照强度状况进行检测采集；
水质监测器，用于对湿地的水质状况进行检测采集。
进一步，所述数据优化平台包括：数据归类模块、数据建模模块、数据分析模块、数据决策模块；
数据归类模块，用于对大量的湿地采集的数据进行归类；
数据建模模块，用于对湿地采集的数据建立数学模型，科学的计算湿地场景；
数据分析模块，用于通过构建的数学模型，进行优化分析，并设计出科学合理的开发方案。
进一步，所述对湿地采集的数据建立数学模型为：
根据湿地水量平衡方程写出：
得到湿地水质迁移转化方程：
式中：V表示反应器的容积，Q0，Q表示流入与流出反应器的物质流量，C0表示输入反应器的湿地污染物浓度，C表示输出反应器湿地污染物浓度，r湿地污染物的反应浓度，S湿地污染物的源与汇。
进一步，所述通过构建的数学模型为：湿地采集的数据S＝(U,A∪d)，其中U为论域对象的非控有限集合，A和d分别为属性集和决策属性，且对于有a:U→Va，其中Va是属性a的值集，设R施由条件属性A在论域U上定义的一个等价关系，R将论域U中的元素划分成各不相交的等价类：U/R＝{q1,q2,…,qn}，决策类集合为d(y)＝{y1,y2,…yn}。
本发明的优点及积极效果为：本发明通过数据采集终端连接无线网络，可以实时无线远程监控采集数据；通过数据优化平台对湿地的分析可以提高数据准确性，促使更加有效的对湿地进行开发。
附图说明
图1是本发明实施提供的基于物联网的湿地保护与开发的优化分析方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理作进一步描述。
本发明提供一种基于物联网的湿地保护与开发的优化分析方法包括以下步骤：
步骤S101，数据采集终端通过无线信号连接无线局域网络，实时监测湿地覆盖的区域中植物生长状况，以及湿地功能运作状况；将检测的数据信息发送到网络中；
步骤S102，通过数据优化平台设定的评判标准，对数据采集终端采集的湿地数据建立数据模型，分析湿地的状况，并设计湿地保护开发方案。
本发明提供的步骤S101中数据采集终端包括无线摄像头、温度传感器、湿地传感器、光照传感器、水质监测器；
无线摄像头，用于对湿地整体区域进行监控采集；
温度传感器，用于对湿地的温度状况进行检测采集；
湿地传感器，用于对湿地的湿度状况进行检测采集；
光照传感器，用于对湿地的光照强度状况进行检测采集；
水质监测器，用于对湿地的水质状况进行检测采集。
本发明提供的步骤S102数据优化平台包括：数据归类模块、数据建模模块、数据分析模块、数据决策模块；
数据归类模块，用于对大量的湿地采集的数据进行归类；
数据建模模块，用于对湿地采集的数据建立数学模型，科学的计算湿地场景；
数据分析模块，用于通过构建的数学模型，进行优化分析，并设计出科学合理的开发方案。
对湿地采集的数据建立数学模型为：
根据湿地水量平衡方程写出：
得到湿地水质迁移转化方程：
式中：V表示反应器的容积，Q0，Q表示流入与流出反应器的物质流量，C0表示输入反应器的湿地污染物浓度，C表示输出反应器湿地污染物浓度，r湿地污染物的反应浓度，S湿地污染物的源与汇。
通过构建的数学模型为：湿地采集的数据S＝(U,A∪d)，其中U为论域对象的非控有限集合，A和d分别为属性集和决策属性，且对于有a:U→Va，其中Va是属性a的值集，设R施由条件属性A在论域U上定义的一个等价关系，R将论域U中的元素划分成各不相交的等价类：U/R＝{q1,q2,…,qn}，决策类集合为d(y)＝{y1,y2,…yn}。
所述无线局域网络的IP地址动态分配方法利用协议中周期性广播的HELLO包来传送IP地址，每个节点建立表格来存储IP和MAC的对应关系，节点在收到HELLO包时，判断HELLO包携带的IP地址是否和表中的冲突，冲突则发送冲突通知给冲突节点，冲突节点重新生成IP地址，并丢弃此HELLO包；反之，继续处理HELLO包；
该无线局域网中IP地址动态分配方法包括两个新的帧结构和一个新的发送/接收函数；
所述无线局域网络的总链路质量的计算公式为：
Qos＝new_qos-data_len-skb_size-rtt-pacloss-signal
其中，Qos为总链路质量，data_len为发送数据长度，skb_size为接收缓冲队列长度，rtt为平均时延，pacloss为丢包率，signal为信号强度的绝对值；
其中，node_number_punishment为中间路径上设置的跳数惩罚，
combined_qos＝hello_qos×qos_own×qos_different_lq_punishment
其中，hello_qos为hello广播包中关于链路质量的信息，
qos_different_lq_punishment为链路非对称惩罚，其算法为：
步骤二，通过数据优化平台设定的评判标准，对数据采集终端采集的湿地数据建立数据模型，分析湿地的状况，并设计湿地保护开发方案；
所述数据采集终端安全数据检索方法包括以下步骤：
步骤一，传感器Si完成一个周期的数据采集，采集的数据为(i，t，{d1，d2，…，dn})，其中i为传感器号，t为周期号；Si首先采用AES对数据{d1，d2，…，dn}进行加密，生成加密数据{(d1)K，(d2)K，…，(dn)K}，其中K为数据加密密钥；
步骤二，Si为每一个数据构建一个不可区分布鲁姆过滤器，且每一个不可区分布鲁姆过滤器分配一个唯一的ID号，对数据dj，Si构建一个分配ID号为ij的不可区分布鲁姆过滤器Bij；
步骤三，Si将加密数据、对应的不可区分布鲁姆过滤器以及其ID号上传到存储节点，上传的数据形式为：{(i1，Bi1，(d1)K)，(i2，Bi2(d2)K)，…，(in，Bin，(dn)K)}；
所述不可区分布鲁姆过滤器Bij构造方法如下：
(1)对Bij进行初始化，对每一个对0<＝c<m，单元B[c][H(ij||hk+1(t||c))]:＝0，B[c][1-H(ij||hk+1(t||a))]:＝1；
(2)采用h1，h2，…，hk计算h1(dj)，h2(dj)，…，hk(dj)；置B[hf(dj)][H(ij||hk+1(t||hf(dj)))]：＝1，B[hf(dj)][1-H(ij||hk+1(t||hf(dj)))]：＝0，其中1<＝f<＝k；
所述步骤三具体包括：
Sink节点需要检索数据值d是否存在，生成检索条件为：{(hk+1(t||h1(d))，h1(d))，(hk+1(t||h2(d))，h2(d))，…，(hk+1(t||hk(d))，hk(d))}；
当存储节点接收到检索条件{(hk+1(t||h1(d))，h1(d))，(hk+1(t||h2(d))，h2(d))，…，(hk+1(t||hk(d))，hk(d))}，对每一个不可区分布鲁姆过滤器Bij的第h1(d)，h2(d)，…，hk(d)，判断Bij[hf(d)][H(ij||hk+1(t||hf(d)))]的值是否全部为1，其中1<＝f<＝k，如果全为1，则对应的数据满足查询条件，否则对应的数据不满足查询条件；存储节点把所有满足查询条件的加密数据返回给Sink节点；
Sink节点接收到存储节点返回的加密数据后，首先对数据进行解密，并排除由于假阳性带来的实际不满足查询条件的数据。
所述无线摄像头的图像传输方法首先比较相邻两帧图像，找出所有图像变化的区域，然后根据变化像素点的坐标得到面积最小的不重叠矩形区域的集合；每次只发送矩形区域集合所包含的图像数据和对应坐标信息；
根据像素点的坐标得到变化矩形区域，式(1)和式(2)是根据变化像素点来判断矩形R范围的算式；
Rl≤Px AND Rt＝Pyi (1)
Rr≥Px AND Rb≥Py (2)
其中Rl和Rt代表矩形左上角的横坐标和纵坐标，Rr和Rb代表矩形右下角的横坐标和纵坐标，Px和Py代表变化像素点的横坐标和纵坐标，Py0代表第一次变化像素点的纵坐标；根据式(1)和式(2)求得变化矩形区域的范围；先将前后相邻两幅位图的数据保存下来，并判断前后两帧屏幕所对应像素的值是否变化；当第一次检测到变化的采样点时，会将变化采样点的坐标(PX0,PY0)进行记录，作为变化矩形区域的左上角坐标(Rl,Rt)，并且将行无变化标识为false；继续对比，当再次检测到不同采样点时，先将行无变化标识为false，接着将采样点的横坐标Px同矩形左上角的横坐标Rl进行比较并取最小值，同时矩形右下角的坐标(Rr,Rb)会和点的坐标(Px,Py)比较并取最大值；即：
Rl＝min(Pxi,Rl)(i>1) Rt＝Pyi(i＝1)
Rr＝max(Rxi,Rr)(i>1) Rb＝max(Ryi,Rb)(i>1)
当检测到某行采样点值全部都相同时，得到一个变化的矩形区域块；
在一个扫描区域中对变化区域进行矩形分割算法采用隔列直接比较法判断前后图像缓冲区中两帧屏幕图像所对应像素是否变化从而找出变化的矩形区域；按照从上到下，从左到右的原则，基于矩形分割隔列扫描的图像传输方法找出后一帧图像相对于前一帧图像所有变化区域并基于矩形分割算法得到面积最小的不重叠矩形区域的集合。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于物联网的湿地保护与开发的优化分析方法，其特征在于，所述基于物联网的湿地保护与开发的优化分析方法包括以下步骤：
步骤一，数据采集终端通过无线信号连接无线局域网络，实时监测湿地覆盖的区域中植物生长状况，以及湿地功能运作状况；将检测的数据信息发送到网络中；
所述无线局域网络的IP地址动态分配方法利用协议中周期性广播的HELLO包来传送IP地址，每个节点建立表格来存储IP和MAC的对应关系，节点在收到HELLO包时，判断HELLO包携带的IP地址是否和表中的冲突，冲突则发送冲突通知给冲突节点，冲突节点重新生成IP地址，并丢弃此HELLO包；反之，继续处理HELLO包；
该无线局域网中IP地址动态分配方法包括两个新的帧结构和一个新的发送/接收函数；
所述无线局域网络的总链路质量的计算公式为：
Qos＝new_qos-data_len-skb_size-rtt-pacloss-signal
其中，Qos为总链路质量，data_len为发送数据长度，skb_size为接收缓冲队列长度，rtt为平均时延，pacloss为丢包率，signal为信号强度的绝对值；
其中，node_number_punishment为中间路径上设置的跳数惩罚，
combined_qos＝hello_qos×qos_own×qos_different_lq_punishment
其中，hello_qos为hello广播包中关于链路质量的信息，
qos_different_lq_punishment为链路非对称惩罚，其算法为：
步骤二，通过数据优化平台设定的评判标准，对数据采集终端采集的湿地数据建立数据模型，分析湿地的状况，并设计湿地保护开发方案；
所述数据采集终端安全数据检索方法包括以下步骤：
步骤一，传感器Si完成一个周期的数据采集，采集的数据为(i，t，{d1，d2，…，dn})，其中i为传感器号，t为周期号；Si首先采用AES对数据{d1，d2，…，dn}进行加密，生成加密数据{(d1)K，(d2)K，…，(dn)K}，其中K为数据加密密钥；
步骤二，Si为每一个数据构建一个不可区分布鲁姆过滤器，且每一个不可区分布鲁姆过滤器分配一个唯一的ID号，对数据dj，Si构建一个分配ID号为ij的不可区分布鲁姆过滤器Bij；
步骤三，Si将加密数据、对应的不可区分布鲁姆过滤器以及其ID号上传到存储节点，上传的数据形式为：{(i1，Bi1，(d1)K)，(i2，Bi2(d2)K)，…，(in，Bin，(dn)K)}；
所述不可区分布鲁姆过滤器Bij构造方法如下：
(1)对Bij进行初始化，对每一个对0<＝c<m，单元B[c][H(ij||hk+1(t||c))]:＝0，B[c][1-H(ij||hk+1(t||a))]:＝1；
(2)采用h1，h2，…，hk计算h1(dj)，h2(dj)，…，hk(dj)；置B[hf(dj)][H(ij||hk+1(t||hf(dj)))]：＝1，B[hf(dj)][1-H(ij||hk+1(t||hf(dj)))]：＝0，其中1<＝f<＝k；
所述步骤三具体包括：
Sink节点需要检索数据值d是否存在，生成检索条件为：{(hk+1(t||h1(d))，h1(d))，(hk+1(t||h2(d))，h2(d))，…，(hk+1(t||hk(d))，hk(d))}；
当存储节点接收到检索条件{(hk+1(t||h1(d))，h1(d))，(hk+1(t||h2(d))，h2(d))，…，(hk+1(t||hk(d))，hk(d))}，对每一个不可区分布鲁姆过滤器Bij的第h1(d)，h2(d)，…，hk(d)，判断Bij[hf(d)][H(ij||hk+1(t||hf(d)))]的值是否全部为1，其中1<＝f<＝k，如果全为1，则对应的数据满足查询条件，否则对应的数据不满足查询条件；存储节点把所有满足查询条件的加密数据返回给Sink节点；
Sink节点接收到存储节点返回的加密数据后，首先对数据进行解密，并排除由于假阳性带来的实际不满足查询条件的数据；
2.如权利要求1所述的基于物联网的湿地保护与开发的优化分析方法，其特征在于，所述数据采集终端包括无线摄像头、温度传感器、湿地传感器、光照传感器、水质监测器；
无线摄像头，用于对湿地整体区域进行监控采集；
所述无线摄像头的图像传输方法首先比较相邻两帧图像，找出所有图像变化的区域，然后根据变化像素点的坐标得到面积最小的不重叠矩形区域的集合；每次只发送矩形区域集合所包含的图像数据和对应坐标信息；
根据像素点的坐标得到变化矩形区域，式(1)和式(2)是根据变化像素点来判断矩形R范围的算式；
Rl≤Px AND Rt＝Pyi (1)
Rr≥Px AND Rb≥Py (2)
其中Rl和Rt代表矩形左上角的横坐标和纵坐标，Rr和Rb代表矩形右下角的横坐标和纵坐标，Px和Py代表变化像素点的横坐标和纵坐标，Py0代表第一次变化像素点的纵坐标；根据式(1)和式(2)求得变化矩形区域的范围；先将前后相邻两幅位图的数据保存下来，并判断前后两帧屏幕所对应像素的值是否变化；当第一次检测到变化的采样点时，会将变化采样点的坐标(PX0,PY0)进行记录，作为变化矩形区域的左上角坐标(Rl,Rt)，并且将行无变化标识为false；继续对比，当再次检测到不同采样点时，先将行无变化标识为false，接着将采样点的横坐标Px同矩形左上角的横坐标Rl进行比较并取最小值，同时矩形右下角的坐标(Rr,Rb)会和点的坐标(Px,Py)比较并取最大值；即：
Rl＝min(Pxi,Rl)(i>1) Rt＝Pyi(i＝1)
Rr＝max(Rxi,Rr)(i>1) Rb＝max(Ryi,Rb)(i>1)
当检测到某行采样点值全部都相同时，得到一个变化的矩形区域块；
在一个扫描区域中对变化区域进行矩形分割算法采用隔列直接比较法判断前后图像缓冲区中两帧屏幕图像所对应像素是否变化从而找出变化的矩形区域；按照从上到下，从左到右的原则，基于矩形分割隔列扫描的图像传输方法找出后一帧图像相对于前一帧图像所有变化区域并基于矩形分割算法得到面积最小的不重叠矩形区域的集合；
温度传感器，用于对湿地的温度状况进行检测采集；
湿地传感器，用于对湿地的湿度状况进行检测采集；
光照传感器，用于对湿地的光照强度状况进行检测采集；
水质监测器，用于对湿地的水质状况进行检测采集。
3.如权利要求1所述的基于物联网的湿地保护与开发的优化分析方法，其特征在于，所述数据优化平台包括：数据归类模块、数据建模模块、数据分析模块、数据决策模块；
数据归类模块，用于对大量的湿地采集的数据进行归类；
数据建模模块，用于对湿地采集的数据建立数学模型，科学的计算湿地场景；
数据分析模块，用于通过构建的数学模型，进行优化分析，并设计出科学合理的开发方案。
4.如权利要求3所述的基于物联网的湿地保护与开发的优化分析方法，其特征在于，所述对湿地采集的数据建立数学模型为：
根据湿地水量平衡方程写出：
得到湿地水质迁移转化方程：
式中：V表示反应器的容积，Q0，Q表示流入与流出反应器的物质流量，C0表示输入反应器的湿地污染物浓度，C表示输出反应器湿地污染物浓度，r湿地污染物的反应浓度，S湿地污染物的源与汇。
5.如权利要求3所述的基于物联网的湿地保护与开发的优化分析方法，其特征在于，所述通过构建的数学模型为：湿地采集的数据S＝(U,A∪d)，其中U为论域对象的非控有限集合，A和d分别为属性集和决策属性，且对于有a:U→Va，其中Va是属性a的值集，设R施由条件属性A在论域U上定义的一个等价关系，R将论域U中的元素划分成各不相交的等价类：U/R＝{q1,q2,…,qn}，决策类集合为d(y)＝{y1,y2,…yn}。
CN201810298519.0A 2018-04-04 2018-04-04 一种基于物联网的湿地保护与开发的优化分析方法 Pending CN108510123A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810298519.0A CN108510123A (zh) 2018-04-04 2018-04-04 一种基于物联网的湿地保护与开发的优化分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810298519.0A CN108510123A (zh) 2018-04-04 2018-04-04 一种基于物联网的湿地保护与开发的优化分析方法

Publications (1)

Publication Number Publication Date
CN108510123A true CN108510123A (zh) 2018-09-07

Family

ID=63380618

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810298519.0A Pending CN108510123A (zh) 2018-04-04 2018-04-04 一种基于物联网的湿地保护与开发的优化分析方法

Country Status (1)

Country Link
CN (1) CN108510123A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113568960A (zh) * 2021-09-24 2021-10-29 江苏正泰泰杰赛智能科技有限公司 物联网数据实时分析方法、系统及计算机可读存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101770219A (zh) * 2010-01-29 2010-07-07 北京信息科技大学 一种车铣复合机床故障诊断知识库的知识获取方法
CN104468867A (zh) * 2014-12-26 2015-03-25 陈晨 一种无线局域网中ip地址动态分配方法
CN104486809A (zh) * 2014-12-26 2015-04-01 陈晨 一种无线局域网路由方法
CN104735449A (zh) * 2015-02-27 2015-06-24 成都信息工程学院 一种基于矩形分割隔列扫描的图像传输方法及系统
CN105629722A (zh) * 2016-02-23 2016-06-01 河海大学常州校区 基于模糊规则自适应控制的多池污水动态分配方法及系统
CN106302820A (zh) * 2016-10-14 2017-01-04 盐城工学院 基于物联网的沿海湿地环境监测系统
CN106802568A (zh) * 2017-03-23 2017-06-06 西华大学 一种基于云计算的脉冲水处理装置的远程控制系统
US20170365094A1 (en) * 2016-04-04 2017-12-21 University Of Cincinnati Localized Contour Tree Method for Deriving Geometric and Topological Properties of Complex Surface Depressions Based on High Resolution Topographical Data

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101770219A (zh) * 2010-01-29 2010-07-07 北京信息科技大学 一种车铣复合机床故障诊断知识库的知识获取方法
CN104468867A (zh) * 2014-12-26 2015-03-25 陈晨 一种无线局域网中ip地址动态分配方法
CN104486809A (zh) * 2014-12-26 2015-04-01 陈晨 一种无线局域网路由方法
CN104735449A (zh) * 2015-02-27 2015-06-24 成都信息工程学院 一种基于矩形分割隔列扫描的图像传输方法及系统
CN105629722A (zh) * 2016-02-23 2016-06-01 河海大学常州校区 基于模糊规则自适应控制的多池污水动态分配方法及系统
US20170365094A1 (en) * 2016-04-04 2017-12-21 University Of Cincinnati Localized Contour Tree Method for Deriving Geometric and Topological Properties of Complex Surface Depressions Based on High Resolution Topographical Data
CN106302820A (zh) * 2016-10-14 2017-01-04 盐城工学院 基于物联网的沿海湿地环境监测系统
CN106802568A (zh) * 2017-03-23 2017-06-06 西华大学 一种基于云计算的脉冲水处理装置的远程控制系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
岳建海 等: "《轨道交通安全智能融合技术》", 31 January 2017, 北京交通大学出版社 *
施孔芳: ""福州湿地遥感动态监测与水环境评价"", 《中国优秀博硕士学位论文全文数据库（硕士）工程科技I辑》 *
雒文生 等: "《水环境分析及预测》", 31 December 2000, 武汉水利电力大学出版社 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113568960A (zh) * 2021-09-24 2021-10-29 江苏正泰泰杰赛智能科技有限公司 物联网数据实时分析方法、系统及计算机可读存储介质

Similar Documents

Publication Publication Date Title
Suthaharan et al. Labelled data collection for anomaly detection in wireless sensor networks
Ser-Giacomi et al. Flow networks: A characterization of geophysical fluid transport
Zhang et al. A multilevel information fusion approach for road congestion detection in VANETs
CN103491535B (zh) 面向传感器网络的隐私保护通用近似查询方法
CN104468192B (zh) 一种多尺度多权重链路质量评估的路由方法
Rana et al. Comparison And Evaluation Of Various Qos Parameters In Wsns With The Implementation Of Enhanced Low Energy Adaptive Efficient Distributed Clustering Approach.
Voss et al. Distributional properties of Euclidean distances in wireless networks involving road systems
CN108510123A (zh) 一种基于物联网的湿地保护与开发的优化分析方法
Zhao et al. Vivid: Augmenting vision-based indoor navigation system with edge computing
Jensen et al. Location intelligence application in digital data activity dimensioning in smart cities
Shukla et al. A perspective on Internet of Things: Challenges & applications
Silva et al. Exploiting big data analytics for urban planning and smart city performance improvement
Turukmane et al. Multispectral image analysis for monitoring by IoT based wireless communication using secure locations protocol and classification by deep learning techniques
Swagarya et al. Air pollution monitoring system based on wireless networks-simulation
Banik et al. A strategic routing analysis for agro sensor communications in mobile ad hoc networks
Li et al. Gaussian distributed deployment of relay nodes for wireless visual sensor networks
Guastella et al. Estimating missing information by cluster analysis and normalized convolution
Baskaran et al. Trust based cluster-energy efficient multicast routing in mobile adhoc networks
Karthika et al. Dynamic clustering-genetic secure energy awareness routing to improve the performance of energy efficient in IoT cloud
Ramachandra et al. Exposition of urban structure and dynamics through gradient landscape metrics for sustainable management of Greater Bangalore
Hoonhout et al. Intertidal beach classification in infrared images
O'Sullivan et al. A methodology to select topology generators for ad hoc mesh network simulations
Manohar et al. Performance enhancement of DYMO routing protocol in MANETs using machine learning technique
Feng et al. A compressed sensing approach to monitor urban traffic with data aggregation in VANETs
Singh et al. A Dynamic Topology Based PDORP in MWSN

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180907

RJ01 Rejection of invention patent application after publication