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:2017-12-29Online:2018-08-28Published: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.
中图分类号:
TP393

引用本文

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.





PDF全文下载地址:

https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3212