Detecção de Falhas baseada em XGBoost para Redes de Sensores Sem Fio

Diagnosticar falhas é um problema altamente complexo no âmbito das Redes de Sensores Sem Fio (WSNs). Nas Redes de Sensores Sem Fio (WSN), os nós sensores são implantados de maneira aleatória em um ambiente desafiador, resultando em um risco significativamente maior de falhas ocorrendo nesses nós em comparação com redes tradicionais. A funcionalidade da rede diminui quando a quantidade de nós sensores defeituosos aumenta dentro da rede. O método atual de detecção de falhas sofre de uma alta taxa de falsos alarmes e baixa precisão na detecção de falhas, resultando em um declínio contínuo no desempenho da rede e na qualidade do serviço. Esta pesquisa apresenta uma abordagem de aprendizado de máquina utilizando a técnica XGBoost para identificar nós problemáticos no circuito de sensores de uma rede. A técnica proposta é implementada usando o Google Colab, e seu desempenho é avaliado com base em métricas como taxa de falsos alarmes, taxa de falsos positivos e precisão. Os resultados da simulação demonstram claramente a eficácia excepcional do método sugerido na identificação de várias formas de falhas.