基于Attention与改进SCINet模型的无线传感器网络能量预测与分簇路由算法

摘要

针对能量收集无线传感器网络中，能量预测精度不佳、节点能量利用效率过低和网络难以持续运行等问题，提出了一种改进样本卷积交互神经网络(sample convolution and interaction network, SCINet)预测模型，并引入概率稀疏自注意力机制，在新特征序列的每个时间步上计算注意力权重，捕捉重要特征，提高模型预测精度.最后，根据节点剩余能量、预测未来可收集的太阳能能量，对分簇路由算法进行改进.仿真实验结果表明，该能量预测模型具备更高的预测精度和泛化能力.在能量预测模型的基础上，改进的分簇路由算法，能有效地延长无线传感器网络的生命周期.

关键词

能量预测 / 样本卷积交互神经网络 / 概率稀疏自注意力机制 / 分簇路由算法