基于改进蚁群的BP神经网络WSN数据融合算法

doi:10.13190/j.jbupt.2017-262

北京邮电大学学报 ›› 2018, Vol. 41 ›› Issue (4): 91-96.doi: 10.13190/j.jbupt.2017-262

基于改进蚁群的BP神经网络WSN数据融合算法

余修武^1,2, 刘琴^1,2, 李向阳¹, 张可¹, 肖人榕¹

1. 南华大学环境与安全工程学院, 湖南衡阳 421001;
2. 中钢集团马鞍山矿山研究院有限公司金属矿山安全与健康国家重点实验室, 安徽马鞍山 243000

收稿日期:2017-12-29 出版日期:2018-08-28 发布日期:2018-10-09
作者简介:余修武(1976-),男,副教授,硕士生导师;刘琴(1993-),女,硕士生,E-mail:lqing8008@163.com.
基金资助:
金属矿山安全与健康国家重点实验室开放基金项目（2016-JSKSSYS-04）；国家自然科学基金项目（11705084）；国家应急管理部安全生产重特大事故防治关键技术科技项目（hunan-0001-2018AQ）；湖南省重点研发计划项目（2018SK2055）

Information Fusion Algorithm Based on Improved Ant Colony Optimization BP Neural Network in WSN

YU Xiu-wu^1,2, LIU Qin^1,2, LI Xiang-yang¹, ZHANG Ke¹, XIAO Ren-rong¹

1. School of Environment and Safety Engineering, University of South China, Hunan Hengyang 421001, China;
2. State Key Laboratory of Safety and Health for Metal Mines, Sinosteel Maanshan Institute of Mining Research Company, Anhui Maanshan 243000, China

Received:2017-12-29 Online:2018-08-28 Published:2018-10-09

摘要/Abstract

摘要： 为了保证无线传感器网络（WSN）在深井中能有效地工作，提出了一种改进蚁群的反向传播（BP）神经网络WSN数据融合算法（IFA-IACOBP）.通过规划蚂蚁运动方向和引入节点剩余能量对蚁群算法启发因子进行改进，优化蚂蚁下一跳节点选择概率，利用改进后的蚁群算法对BP神经网络进行优化，引入井下WSN数据融合，数据经两级融合处理后，能去除大部分冗余信息.仿真实验结果表明，IFA-IACOBP算法能有效减少网络数据通信量，提高数据实时性，降低网络能耗，延长网络寿命.

关键词: 蚁群算法, 反向传播神经网络, 无线传感器网络, 数据融合, 深井

Abstract: In order to ensure the effective working of wireless sensor network (WSN) in deep mine, an information fusion algorithm based on improved ant colony optimization back-propagation (BP) neural network in WSN (IFA-IACOBP) is proposed. The heuristic factor of ant colony optimization (ACO) is improved by planning the direction of ants' motion and introducing the residual energy of nodes to improve the selection probability of the ant next-hop node. The improved ant colony algorithm is used to optimize the BP neural network, which is applied to WSN information fusion in mine. These data are processed by two-level fusion, which can remove most redundant information. Simulation results show that the IFA-IACOBP algorithm can effectively decrease the network data communication, improve data real-time performance, reduce network energy consumption and prolong network lifetime.

Key words: ant colony optimization, back-propagation neural network, wireless sensor network, information fusion, deep mine

中图分类号:

TP393

余修武, 刘琴, 李向阳, 张可, 肖人榕. 基于改进蚁群的BP神经网络WSN数据融合算法[J]. 北京邮电大学学报, 2018, 41(4): 91-96.

YU Xiu-wu, LIU Qin, LI Xiang-yang, ZHANG Ke, XIAO Ren-rong. Information Fusion Algorithm Based on Improved Ant Colony Optimization BP Neural Network in WSN[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2018, 41(4): 91-96.

参考文献

[1] 王翥, 胡屏, 董梦梦, 等. 多贪婪准则条件下中继节点布局算法[J]. 北京邮电大学学报, 2016, 39(3):91-94, 104. Wang Zhu, Hu Pin, Dong Mengmeng. Relay node placement algorithm under the condition of multi greedy criterion[J]. Journal of Beijing University of Posts and Telecommunications, 2016, 39(3):91-94, 104.
[2] 刘洲洲, 王福豹. 一种能耗均衡的无线传感器网络加权无标度拓扑研究[J]. 物理学报, 2014, 63(19):59-66. Liu Zhouzhou, Wang Fubao. Research on weighted scale-free topology with balancing energy consumption characteristics in wireless sensor networks[J]. Acta Physica Sinia, 2014, 63(19):59-66.
[3] Manshahia M S. Wireless sensor networks:a survey[J]. International Journal of Scientific & Engineering Research, 2016, 7(4):710-716.
[4] 杨靖, 熊伟丽, 秦宁宁, 等. 用于无线传感器网络的高能效数据收集算法[J]. 吉林大学学报, 2011, 41(6):720-725. Yang Jing, Xiong Weili, Qin Ningning, et al. Energy-efficient data gathering algorithm for wireless sensor networks[J]. Journal of Jilin University, 2011, 41(6):720-725.
[5] 邱雪松, 蔺艳斐, 邵苏杰, 等. 一种面向智能电网数据采集的传感器聚合布局构造算法[J]. 电子与信息学报, 2015, 37(10):2411-2417. Qiu Xuesong, Lin Yanfei, Shao Sujie, et al. Sensor aggregation distribution construction algorithm for smart grid data collection system[J]. Journal of Electronics & Information Technology, 2015, 37(10):2411-2417.
[6] 徐晓斌, 张光卫, 孙其博, 等. 一种误差可控传输均衡的WSN数据融合算法[J]. 电子学报, 2014, 42(6):1205-1209. Xu Xiaobin, Zhang Guangwei, Sun Qibo, et al. Precision configurable data aggregation algorithm in WSNs[J]. Acta Electronica Sinica, 2014, 42(6):1205-1209.
[7] Sun Lingyi, Cai Wei, Huang Xianxiang. Data aggregation scheme using neural networks in wireless sensor networks[C]//International Conference on Future Computer and Communication. Wuhan:IEEE, 2010:725-729.
[8] Li Shi, Liu Mengyao, Xia Li. WSN data fusion approach based on improved BP algorithm and clustering protocol[C]//Control and Decision Conference. Qingdao:IEEE, 2015:1450-1454.
[9] 李兆祥. 无线传感器网络数据融合的算法研究[D]. 武汉:武汉理工大学, 2011.
[10] 赵亚光. 基于蚁群算法和BP神经网络的WSN数据融合算法研究[D]. 昆明:云南大学, 2013.
[11] 王晨, 陈增强. 基于连续蚁群算法融合的神经网络RFID信号分布模型[J]. 东南大学学报, 2013, 43(S1):210-214. Wang Chen, Chen Zengqiang. RFID signal distribution model based on neural network combined with continuous ant colony optimization[J]. Journal of Southeast University, 2013, 43(S1):210-214.
[12] 张艳蕊. 基于改进蚁群算法的BP神经网络优化的研究与应用[D]. 沈阳:东北大学, 2013.
[13] Ye Zhengmao, Mohamadian H. Adaptive clustering based dynamic routing of wireless sensor networks via generalized ant colony optimization[J]. Ieri Procedia, 2014(10):2-10.
[14] 刘波. 蚁群算法改进及应用研究[D]. 秦皇岛:燕山大学, 2010.

[1]	杨丽花, 聂倩, 呼博, 江婷. 联合BP神经网络与基扩展模型的信道预测算法 [J]. 北京邮电大学学报, 2023, 46(3): 13-18.
[2]	彭维平王戈宋成阎俊豪. 面向高移动性车联网场景的预测卸载决策算法[J]. 北京邮电大学学报, 2023, 46(2): 43-49.
[3]	余修武商亚东刘永. 临时优劣重心反向融变的麻雀优化 WSN 定位算法[J]. 北京邮电大学学报, 2023, 46(1): 90-96.
[4]	余修武, 秦晓坤, 刘永. 基于萤火虫算法优化FCM的WSN路由算法[J]. 北京邮电大学学报, 2022, 45(2): 50-56.
[5]	张华强, 刘林, 秦昌礼, 陈雨, 苏庆华. 基于分布式惯导测量的机翼弹性形变算法[J]. 北京邮电大学学报, 2021, 44(6): 33-39,66.
[6]	余修武, 黄露平, 刘永, 余昊, 李佩. 遗传-禁忌搜索优化的三维DV-Hop定位算法[J]. 北京邮电大学学报, 2021, 44(4): 75-81.
[7]	刘琳岚, 肖庭忠, 夏扬, 舒坚. 基于超限快速决策树的链路质量评估[J]. 北京邮电大学学报, 2021, 44(3): 125-130.
[8]	李端玲, 成苈委, 于功敬, 张忠海, 于淑月. 融合小波包和神经网络的脑电信号处理方法[J]. 北京邮电大学学报, 2021, 44(3): 94-99.
[9]	冀振燕, 吴梦丹, 杨春, 李俊东. 可扩展的融合多源异构数据的推荐模型[J]. 北京邮电大学学报, 2021, 44(3): 106-111.
[10]	余修武, 李莹, 刘永, 肖人榕, 余昊. 基于映射曲线的自适应莱维鲸鱼无线定位算法[J]. 北京邮电大学学报, 2020, 43(5): 125-129,136.
[11]	余修武, 张可, 刘永. 基于罚函数与水波优化的WSN定位算法[J]. 北京邮电大学学报, 2020, 43(4): 106-112.
[12]	赵雄文, 孙宁姚, 耿绥燕, 张钰, 杜飞. 基于最小二乘支持向量机的时变信道建模[J]. 北京邮电大学学报, 2019, 42(5): 29-35.
[13]	胡中栋, 王俊岭, 王振东, 曾珽. 山区复杂地形的无线传感器网络节点定位算法[J]. 北京邮电大学学报, 2019, 42(5): 113-118.
[14]	潘蕾娜, 陶洋, 许湘扬, 王进. 基于信任与能耗均衡的安全分簇路由协议[J]. 北京邮电大学学报, 2019, 42(3): 29-36.
[15]	钱开国, 卜春芬, 王玉见, 申时凯. 基于相交度比的无线传感器网络迭代定位算法[J]. 北京邮电大学学报, 2019, 42(3): 98-105.

基于改进蚁群的BP神经网络WSN数据融合算法

Information Fusion Algorithm Based on Improved Ant Colony Optimization BP Neural Network in WSN

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价