Please use this identifier to cite or link to this item: http://www.repositorio.ufc.br/handle/riufc/3822
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorSouza, José Neuman de-
dc.contributor.authorCarvalho, Carlos Giovanni Nunes de-
dc.date.accessioned2012-09-25T19:13:01Z-
dc.date.available2012-09-25T19:13:01Z-
dc.date.issued2012-03-
dc.identifier.citationCARVALHO, C. G. N. de. Correlação espaço-temporal multivariada na melhoria da precisão de predição para redução de dados em redes de sensores sem fio. 2012. 76 f. Tese (Doutorado em Engenharia de Teleinformática)-Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2012.pt_BR
dc.identifier.urihttp://www.repositorio.ufc.br/handle/riufc/3822-
dc.description.abstractPrediction of data not sent to the sink node is a technique used to save energy in WSNs by reducing the amount of data traffic. However, sensor devices must run simple mechanisms due to its constrained resources, which may cause unwanted errors and this may not be very accurate. This work proposes a method based on multivariate spatial and temporal correlation to improve prediction accuracy in data reduction for Wireless Sensor Networks (WSN). Simulations were made involving simple linear regression and multiple linear regression functions to assess the performance of the proposed method. The results show a higher correlation between gathered inputs when compared to variable time, which is an independent variable widely used for prediction and forecasting. Prediction accuracy is lower when simple linear regression is used, whereas multiple linear regression is the most accurate one. In addition to that, the proposed solution outperforms some current solutions by about 50% in humidity prediction and 21% in light prediction.pt_BR
dc.language.isopt_BRpt_BR
dc.subjectTeleinformáticapt_BR
dc.subjectSistemas de comunicação móvelpt_BR
dc.titleCorrelação espaço-temporal multivariada na melhoria da precisão de predição para redução de dados em redes de sensores sem fiopt_BR
dc.typeTesept_BR
dc.contributor.co-advisorGomes, Danielo Gonçalves-
dc.description.abstract-ptbrA predição de dados não enviados ao sorvedouro é uma técnica usada para economizar energia em RSSF através da redução da quantidade de dados trafegados. Porém, os dispositivos devem rodar mecanismos simples devido as suas limitações de recursos, os quais podem gerar erros indesejáveis e isto pode não ser muito preciso. Este trabalho propõe um método baseado na correlação espacial e temporal multivariada para melhorar a precisão da predição na redução de dados de Redes de Sensores Sem Fio (RSSF). Simulações foram feitas envolvendo funções de regressão linear simples e regressão linear múltipla para verificar o desempenho do método proposto. Os resultados mostram um maior grau de correlação entre as variáveis coletadas em campo, quando comparadas com a variável tempo, a qual é uma variável independente usada para predição. A precisão da predição é menor quando a regressão linear simples é usada, enquanto a regressão linear múltipla é mais precisa. Além disto, a solução proposta supera algumas soluções atuais em cerca de 50% na predição da variável umidade e em cerca de 21% na predição da variável luminosidade.pt_BR
dc.title.enSpatio-temporal correlations in multivariate improved prediction accuracy for data reduction in wireless sensor networkspt_BR
Appears in Collections:DETE - Teses defendidas na UFC

Files in This Item:
File Description SizeFormat 
2012_tese_cgncarvalhol.pdf1,18 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.