文献

J-GLOBAL ID：202202275658151155   整理番号：22A0860644

水質センサネットワークの環境適応展開【JST・京大機械翻訳】

Environment adaptive deployment of water quality sensor networks

著者 (17件)： Sun Qian (School of Artificial Intelligence, Beijing Technology and Business University, Beijing, China) ,  Sun Qian (Beijing Laboratory for Intelligent Environmental Protection, Beijing, China) ,  Yang Fengbo (School of Artificial Intelligence, Beijing Technology and Business University, Beijing, China) ,  Yang Fengbo (Beijing Laboratory for Intelligent Environmental Protection, Beijing, China) ,  Yu Xingyun (School of Artificial Intelligence, Beijing Technology and Business University, Beijing, China) ,  Yu Xingyun (Beijing Laboratory for Intelligent Environmental Protection, Beijing, China) ,  Wang Xiaoyi (School of Artificial Intelligence, Beijing Technology and Business University, Beijing, China) ,  Wang Xiaoyi (Beijing Laboratory for Intelligent Environmental Protection, Beijing, China) ,  Xu Jiping (School of Artificial Intelligence, Beijing Technology and Business University, Beijing, China) ,  Xu Jiping (Beijing Laboratory for Intelligent Environmental Protection, Beijing, China) ,  Cao Ning (Hebei Gejun Technology Co. Ltd., Hebei, China) ,  Zhang Huiyan (School of Artificial Intelligence, Beijing Technology and Business University, Beijing, China) ,  Zhang Huiyan (Beijing Laboratory for Intelligent Environmental Protection, Beijing, China) ,  Wang Li (School of Artificial Intelligence, Beijing Technology and Business University, Beijing, China) ,  Wang Li (Beijing Laboratory for Intelligent Environmental Protection, Beijing, China) ,  Yu Jiabin (School of Artificial Intelligence, Beijing Technology and Business University, Beijing, China) ,  Yu Jiabin (Beijing Laboratory for Intelligent Environmental Protection, Beijing, China)
資料名： International Journal of Intelligent Systems  (International Journal of Intelligent Systems)
巻： 37  号： 4  ページ： 2911-2925  発行年： 2022年 
JST資料番号： T0454A  ISSN： 0884-8173  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 水質センサーネットワークを,水質情報の正確な収集を通して,水質環境,早期警戒,および水質汚濁の予防のために使用することができる。ネットワークの効果的配置は,そのモニタリング効率を改善できる。ネットワークの均一配置の後,センサノードは,ハードウェアコストを節約して,監視効果を改善するために,合理的にキーエリアに配備する必要がある。本論文において,要所モニタリング区域を得るために,水区域特性モデルを確立した。さらに,Gaussプルームモデルを適用して,重要な監視領域の衝撃範囲を得た。実験結果は,Qianhaiが重要なモニタリング区域であり,その影響範囲は10.36mであることを示した。これに基づき,粒子スウォーム最適化を用いてセンサを展開する。シミュレーション結果は,要所区域がよりよくモニターすることができて,他の区域が79.09%の全カバレージ比率によって,まだ最大カバレージを保証することができることを示した。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  衝撃 ,  *水質 ,  水質汚濁 ,  *ネットワーク ,  監視 ,  配置 ,  端末装置 ,  ハードウェア ,  *環境順応 ,  センサ ,  *センサネットワーク
準シソーラス用語： 粒子群最適化 ,  水環境 ,  センサノード ,  粒子スウォーム , 【Automatic Indexing@JST】

著者キーワード (5件)： Gaussプルームモデル ,  粒子群最適化 ,  センサ展開 ,  水圏特性モデル ,  水質センサーネットワーク

分類 (2件)： 無線通信一般  (ND08010L) ,  移動通信  (ND08030H)

タイトルに関連する用語 (4件)： 水質 ,  センサネットワーク ,  環境適応 ,  展開