Einsatz von Kontext-Prognose-Methoden zur Optimierung des Datenaufkommens in Sensornetzen

• Applicant: Professor Dr. Michael Beigl
• Subject Area: Computer Architecture, Embedded and Massively Parallel Systems
• Term: from 2008 to 2012
• Project identifier: Deutsche Forschungsgemeinschaft (DFG) - Project number 101210982

Der vorliegende Projektantrag ist im Themengebiet kabelloser Sensornetzwerke (Wireless Sensor Networks, WSNs) und hier speziell im Bereich Prognose-Verfahren angesiedelt. WSNs bieten eine Kommunikations- und Mess- Infrastruktur dort, wo alternative Installationen aufgrund zeitlicher, finanzieller oder technischer Restriktionen nicht möglich sind. Verfahren zur Prognose von Zeitreihendaten werden z.B. bei der Prognose finanzieller Zeitreihen oder zur Wettervorhersage verwandt. Derzeitige Prognose-Ansätze im Kontext von WSNs schätzen Umgebungsparameter, um Messwerte zu verifizieren oder zu korrigieren. Wir verwenden Prognose-Verfahren in WSNs um Netzwerkparameter zu optimieren.Im Projekt SenseCast wird die Möglichkeit untersucht, durch Prognose von Netzwerkverhalten und -parametern von kabellosen Sensornetzen das Auftreten kritischer Situationen in WSNs vorherzusehen, um Netzwerkparameter dynamisch vorausschauend zu optimieren. Dies ermöglicht die Zusicherung von Eigenschaften wie einem reduzierten Energieverbrauch oder einer Verringerung der Latenzzeiten. Schwerpunkt dieses Projektantrags ist die Steigerung der Prognosegüte durch Reduzierung von Fehlern in der Eingabezeitreihe, kollaborative Prognosestrategien, Optimierung von Algorithmen zur Kontext-Prognose sowie die Anwendung von Prognosestrategien zur Adaption von Netzwerkparametern zur Optimierung des Netzwerkverhaltens in WSNs.

• DFG Programme: Research Grants
• Participating Person: Professor Dr. Stephan Sigg