一种面向实时数据冗余处理的参数化SES模型设计

物联网感知层传感器在实际应用中通常具有较高的数据采集频率,云端接入的时间序列数据会出现冗余问题,即临近时域的数据相似度较高缺乏差异性,会导致云端存储量较大但数据价值较小的情况。针对此类问题,文中提出一种改进的参数化简单指数平滑(SES)模型,在实现权重自动分配的同时针对数据冗余问题优化权重分配,解决在现有的SES模型在确保数据的完整性和准确性的同时实现时间序列上数据低冗余性,实现数据在采集过程中的实时数据冗余处理。利用实际大气监测数据进行对比实验,结果表明了改进的SES模型有效性。