Modelo de k-Means Tridimensional: Colocación Óptima Dinámica de Sensores para un Monitoreo Eficiente del Ambiente en un Establo de Cerdos
Autores: Li, Haopu; Li, Bugao; Li, Haoming; Song, Yanbo; Liu, Zhenyu
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Modelo de k-Means Tridimensional: Colocación Óptima Dinámica de Sensores para un Monitoreo Eficiente del Ambiente en un Establo de Cerdos
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Zootecnia
Palabras clave
Sensores
Colocación
Entorno
Monitoreo
Estrategia
Algoritmo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 12
Citaciones: Sin citaciones
Los sensores fueron de suma importancia en el contexto de la avicultura y la ganadería, sirviendo como herramientas esenciales para monitorear una variedad de parámetros de gestión de producción. La vigilancia efectiva y el control óptimo del ambiente de la instalación porcina dependen críticamente de la implementación de una estrategia robusta para situar el número óptimo de sensores en los lugares precisos. Este estudio presenta un enfoque dinámico de colocación de sensores para los establos de cerdos utilizando el algoritmo de k-means de tres vías. El método implica determinar combinaciones de sensores candidatas a través de la aplicación del algoritmo de k-means y una estrategia de reclasificación. Las ubicaciones óptimas de los sensores se identificaron utilizando el Método Basado en Entropía Conjunta (JEBM). Este enfoque ajusta las posiciones de los sensores según las diferentes estaciones (verano e invierno) para monitorear efectivamente el ambiente general del establo. Empleamos dos modelos de agrupamiento, uno basado en optimización por enjambre de partículas y el otro en algoritmos genéticos, junto con una estrategia de reclasificación para identificar combinaciones de sensores candidatas. El método basado en entropía conjunta (JEBM) ayuda a seleccionar la colocación óptima de los sensores. Los datos fusionados de la disposición óptima de los sensores pasan por un proceso de fusión difusa, reduciendo errores en comparación con el promedio directo. Los resultados muestran diferentes necesidades de sensores a lo largo de las estaciones, y la colocación dinámica mejora el monitoreo del ambiente del establo. Nuestro enfoque redujo el número de sensores de 30 a 5 (en verano) y 6 (en invierno). Las posiciones óptimas de los sensores para ambas estaciones se integraron. Al comparar la disposición de sensores seleccionada con el promedio de todas las lecturas de sensores que representan el ambiente general del establo, los RMSE fueron de 0.227-0.294 y los MAPE fueron de 0.172-0.228, respectivamente, demostrando la efectividad de la disposición de los sensores.
Descripción
Los sensores fueron de suma importancia en el contexto de la avicultura y la ganadería, sirviendo como herramientas esenciales para monitorear una variedad de parámetros de gestión de producción. La vigilancia efectiva y el control óptimo del ambiente de la instalación porcina dependen críticamente de la implementación de una estrategia robusta para situar el número óptimo de sensores en los lugares precisos. Este estudio presenta un enfoque dinámico de colocación de sensores para los establos de cerdos utilizando el algoritmo de k-means de tres vías. El método implica determinar combinaciones de sensores candidatas a través de la aplicación del algoritmo de k-means y una estrategia de reclasificación. Las ubicaciones óptimas de los sensores se identificaron utilizando el Método Basado en Entropía Conjunta (JEBM). Este enfoque ajusta las posiciones de los sensores según las diferentes estaciones (verano e invierno) para monitorear efectivamente el ambiente general del establo. Empleamos dos modelos de agrupamiento, uno basado en optimización por enjambre de partículas y el otro en algoritmos genéticos, junto con una estrategia de reclasificación para identificar combinaciones de sensores candidatas. El método basado en entropía conjunta (JEBM) ayuda a seleccionar la colocación óptima de los sensores. Los datos fusionados de la disposición óptima de los sensores pasan por un proceso de fusión difusa, reduciendo errores en comparación con el promedio directo. Los resultados muestran diferentes necesidades de sensores a lo largo de las estaciones, y la colocación dinámica mejora el monitoreo del ambiente del establo. Nuestro enfoque redujo el número de sensores de 30 a 5 (en verano) y 6 (en invierno). Las posiciones óptimas de los sensores para ambas estaciones se integraron. Al comparar la disposición de sensores seleccionada con el promedio de todas las lecturas de sensores que representan el ambiente general del establo, los RMSE fueron de 0.227-0.294 y los MAPE fueron de 0.172-0.228, respectivamente, demostrando la efectividad de la disposición de los sensores.