摘要：基于压缩感知的数据收集算法在能量受限、数据冗余的无线传感网中有巨大的应用潜力,现有研究大多假定无线链路理想.通过实验说明,有损链路丢包会严重影响压缩感知数据收集算法的数据重构质量.提出了一种基于重传与时间序列相关性预测(CS data gathering based on retransmission and time series correlation prediction,简称CS-RTSC)的数据收集算法,将有损链路上的丢包建模为随机丢包和块状丢包,设计了基于滑动窗统计的丢包类型预判算法,在检测到链路丢包时判断丢包类型,对随机丢包采用重传恢复,对块状丢包设计了基于时间序列相关性预测算法恢复.仿真结果表明:该算法能够有效降低有损链路丢包对CS数据收集的影响;在网络丢包率达到30%时,CS数据重构的相对误差仅比理想链路下的CS相对重构误差高0.1%.

摘要：【目的】建立预估精度高的林分蓄积量混合模型,为北京地区不同初期密度油松林分提供个性化模型方程,为森林经营和采伐利用提供重要理论依据。【方法】以北京地区76块油松连续清查样地为研究对象,按初期的油松林分密度(ID)将油松样地分为Ⅰ(ID<400株/hm^2)、Ⅱ(400≤ID<800株/hm^2)、Ⅲ(800≤ID<1 200株/hm^2)、Ⅳ(1 200≤ID<1 600株/hm^2)、Ⅴ(ID≥1 600株/hm^2)5个水平,选用以断面积和优势木平均高为自变量的线性模型构建油松蓄积量基础模型,在基础模型上分别考虑油松林分的密度水平效应、样地效应和嵌套两水平效应,用R语言的nlme模块建立油松混合效应模型,并用平均绝对误差||、均方根误差RMSE、决定系数R^2 3个评价指标检验模型的拟合效果。【结果】拟合嵌套两水平混合模型决定系数R^2为0.998 2,高于密度水平效应和样地效应2个单水平混合模型,且||和RMSE均小于2个单水平混合模型;嵌套两水平混合模型的、RMSE分别为0.069 8和0.100 6,比基础模型降低了78.86%和82.39%。指数函数异方差结构和[ARMA(1,1)]时间序列相关性结构加入混合模型后,模型拟合精度均有一定提高。【结论】单水平和嵌套两水平混合模型拟合精度均高于基础模型,嵌套两水平混合效应模型拟合精度优于基础模型和单水平混合模型,指数函数能够消除数据间的异方差,[ARMA(1,1)]结构能够较好地表达样地间的误差相关性。