摘要：针对在缺少移动网络覆盖的偏远地区实现大面积数据采集与环境监测,首先设计了无人机移动网关与地面节点的LoRa通信协议;在此基础上提出了一种基于改进极限学习机(PG-ELM)的扩频因子预测模型,以实现扩频因子的动态调整。为提高预测准确度与效率,该模型以信号强度、信噪比、距离、丢包率、温度和相对湿度作为输入,以粒子群算法(PSO)和灰狼算法(GWO)联合算法对ELM模型进行改进。通过无人机移动通信试验获取LoRa通信数据样本集,进行模型训练获得优化的PG-ELM模型。试验结果表明,在20 kB数据大小的情况下,本方案的数据采集时间比单一SF12、SF7减少约78%和26%,平均通信能耗比单一SF12降低70%以上,数据包投递率(PDR)高达98%,在能效性和预测实时性等方面优势明显。