Mejorando la Precisión de Predicción para la Reducción de Datos de WSN Aplicando Correlación Espacio-Temporal Multivariante

Este documento propone un método basado en la correlación espacial y temporal multivariante para mejorar la precisión de la predicción en la reducción de datos para redes de sensores inalámbricos (WSN). La predicción de datos que no se envían al nodo de sumidero es una técnica utilizada para ahorrar energía en las WSN al reducir la cantidad de tráfico de datos. Sin embargo, puede no ser muy precisa. Se realizaron simulaciones que involucraron funciones de regresión lineal simple y regresión lineal múltiple para evaluar el rendimiento del método propuesto. Los resultados muestran una mayor correlación entre las entradas recolectadas en comparación con el tiempo, que es una variable independiente ampliamente utilizada para la predicción y el pronóstico. La precisión de la predicción es menor cuando se utiliza la regresión lineal simple, mientras que la regresión lineal múltiple es la más precisa. Además, nuestra propuesta supera algunas soluciones actuales en alrededor del 50% en la predicción de humedad y un 21% en la predicción de luz. Hasta donde sabemos, creemos que probablemente somos los primeros en abordar la predicción basada en la correlación multivariante para la reducción de datos de WSN.