文摘

这项研究显示,全球人口的增加命令一个增广对产品和服务的需求,要求更有效的利用现有的自然资源和材料的方法。最近的信息和通信技术的发展,许多领域产生了极大的影响,也对环境和人类健康产生破坏性的影响。因此,社会朝着一个更绿色的未来通过减少不可再生材料的消耗,原材料和资源的同时,减少污染和消耗能量。自信息技术被认为是解决生态问题的工具,绿色物联网(G-IoT)中扮演至关重要的角色创建一个可持续的家里。需要大量的数据分析获得的有价值的概述大型和多样化数据由G-IoT生成。收集的信息将有助于预测、决策和其他活动相关智能城市服务,然后导致G-IoT技术的不断发展。因此,即使可持续和智能城市成为现实,G-IoT方法和获得的知识通过大数据(BD)分析将使城市更加可持续、更安全、更聪明。本文的目的是将创新技术发展与主要关注创建城市的资源共享,提高生活的质量,同时减少污染,实现更高效的使用原材料。在大数据科学的实践,它总是提供最好的描述感兴趣的数据的考虑。最近的研究指出统计分布的适用性在应用科学的建模数据。 In this article, we introduce a new family of statistical models to provide the best description of the life span of the wireless sensors network’s data. Based on the proposed approach, a special submodel called new exponent power-Weibull distribution is studied in detail. The applicability of the proposed model is shown by analyzing the life span of the wireless sensors network’s data.

1。介绍

当前的文学作品都预测,到2045年世界人口将达到110亿比未知的76亿人口。因此,智能技术必须高于一切,例如,对于一个生产型经济繁荣本地和全球水平,互联性和创新必须通过环境对话,盛行温室建筑,自然能源使用和绿色城市规划等等。智能政府繁荣,开放数据分析和可用性,监管信息,通信,公共领域的技术,和电子政府,使足够的产品和服务的智能生活,健康、安全、文化活力、幸福、综合信息和mixed-modal访问必须获胜。此外,大众必须接受的创造力。

现代药物和改善生活条件的主要原因是世界人口的增加。世界上有25个大城市人口超过1100万,每天有150万人迁移到城市。预计,物联网(物联网)会导致智能城市,然后智能世界(见图1)。

1.1。人工智能

绿色城市与人工智能这一概念已经成为现实(见图2)。显著增强信息和通信技术(ICT)提高了生活水平,减少能源的使用,产品和服务,和有限的危险的污染。植入物联网利用各种传感器和智能设备,允许从任何地方的无线连接,随时。这个连接的概念中发挥着重要作用等众多领域的发展健康、交通、工业、智能教育、和废物管理。因此,物联网提示更智能、更环保,和熟练的世界。有这么多的好处,ICT和物联网,智能设备的日常使用,增加能源的使用导致危险的排放也增加了(1]。

努力朝着一个更加绿色的未来,energy-restricted设备会更有成效地利用由于减少污染和保证智能和绿色生活的地方。目前,G-IoT智能城市的发展中扮演重要角色。由于智能传感器和电子设备的不断发展,G-IoT也产生了大量的数据。因此,这里显然需要大数据的概念来处理由G-IoT生成的数据。通过精确的分析研究了大数据的规则,做一个聪明的和可行的城市通过减少环境污染和污染,减少能源的请求,并有效利用资源(2]。

1.2。公民参与

最近,有持续的需要发展一个可持续发展的居住场所。这将吸引利益相关者的关注,公司和政府。个人也需要扮演一个角色的发展一个可持续生活的地方。诸如气候变化、减少自然资源和生物多样性的消失也需要解决。G-IoT革命的主要目的是提高生活质量和保护环境从这些问题通过技术创新3]。图3描绘全球活动设备连接的总数,大数据使用大数据通信和预测到2025年。

1.3。数字服务交付

统计分析的数据收集和解释发现的模式和趋势。电子传递的信息包括数据和内容跨多个平台的可移植性和设备,例如,网络或移动。信息提出了一种易于使用和理解的方式,通常涉及事务性服务,如提交表单处理和接收的好处。

1.4。技能和就业

城市开发与最现代的技术来满足日常生活需求的人口。在绿色城市,利益相关者和政府部署许多先进的技术。他们也尽力教工人使用这些技术。然而,问题是,绿色智能城市也减少公司内部劳动intensiveness或组织。毫无疑问,现代技术提高了产品和服务效率,减少就业。

1.5。可再生能源

在运输一个精明、绿色、可再生能源和可持续的世界,必须优先考虑。能源生产是建立在化石燃料,导致二氧化碳的大量排放,全球变暖,极端天气。因此,重要的是要做一些新能源行业的技术变革,这是现在可能在G-IoT的帮助。所有G-IoT技术很容易控制,管理和平衡需求和生产的能量。这可以通过部署智能家电和智能执行器,可以自主观察能源需求并作出相应调整。这样的能源传感器部署在环境可以产生更多的产品和服务比使用传统方法的30% - -50%。

1.6。清洁行业

部署传感器在智能城市监测垃圾,垃圾超过一定时,传感器通知管理系统收集垃圾并燃烧产生的能量。G-IoT和大数据是用于高性价比和高效的能源生产(4,5]。

1.7。绿色制造

绿色制造是制造业内环保经营。从根本上说,它是制造业的“绿化”,工人在使用更少的自然资源,减少污染和浪费,回收和重用的材料,在他们的流程和温和的排放。系统方法的各种工程学科从事绿色工程包括可持续设计、生命周期分析、污染防治,对环境设计,拆卸设计,设计回收。因此,绿色可持续工程(工程是一个子集6]。图4显示了一个城市化增长从1990年到2014年和2050年的一个投影。

2。大数据分析

早在2001年,Gartner分析师Doug兰妮上市的三个与双相障碍:品种、速度和体积。名字BD本身表明一个巨大的规模。数据的大小起着非常重要的作用在决定数据的输出。此外,特定数据是否可以被视为BD是依赖于它的体积。

2.1。大数据的特点

在本节,我们提出几个BD计算中常用的特征。

2.1.1。体积

体积是双相障碍的特点之一。我们已经知道大数据表明每天都产生大量的数据从不同的来源像社会媒体平台,业务流程,机器,网络和人工交互。如此大量的数据存储在数据仓库内表,记录,和事务(7]。

2.1.2。各种

BD有多个品种。相比传统的数据,如电话号码和地址,数据目前最常采取的形式是一个图像,视频或音频文件。这使得大约80%的完全非结构化数据。BD的种类是指结构化、非结构化、半结构式从多个来源收集的数据(8]。

2.1.3。速度

速度基本上指的是速度,实时数据被创建。在更广泛的前景,它包含的速度变化,将传入的数据集以不同的速度和活动。由于非结构化数据的重要组成部分和无关紧要,BD需要找到一种方法来过滤或推出数据。物联网设备连接越多,像世界上传感器使用BD特性计算,越大传输更多的数据不断增加的程度。随着数据单元的数量增加,提高数据流(9]。

2.2。类型的大数据分析

在本节,各种类型的大数据分析。

2.2.1。说明性的

最有价值的和最未充分利用的大数据分析技术,规范的分析,给人高度专注回答特定的问题。它帮助我们确定最佳解决方案在各种各样的选择,考虑到已知参数和显示选项如何利用未来的机会或降低未来的风险10]。

2.2.2。预测

预测分析是最常用的技术。它使用模型来预测会发生什么在特定的场景中,比如下一个最好的提供,生产风险,更新风险分析。此外,它专注于非离散预测未来状态的关系,和模式,预测结果集的描述和可能,概率分布模型应用和非离散预测(11]。

2.2.3。诊断

当试图确定发生了什么,为什么数据科学家转向诊断方法。是很有帮助的咨询研究时最忠诚的顾客主要生产指标和消费模式。流失原因分析和消费者健康得分分析诊断分析的例子,其中包括一个保守的关注和序列因果关联。

2.2.4。描述性的

这种技术是最耗时的,常常产生最小值;然而,它有助于揭示模式在一定领域的客户。描述性分析提供了解历史上发生了什么和将提供趋势可以挖到更多细节。例如,描述性分析包括汇总统计、聚类、关联规则用于市场购物篮分析和模式检测和描述(12]。

2.3。大数据的贡献与G-IoT智能城市

由于无线传感器网络的支持连接的设备从任何地方和越来越多的人使用互联网和智能设备,大量的数据被创建。处理收集到的数据从一个智能城市是不可能与当前传统的数据处理技术,如SQL查询关系数据库管理系统。

2.3.1。位置跟踪

位置跟踪允许我们记录用户和他们的地方。当用户启用位置跟踪,授权用户可以使用跟踪移动应用上传他们的位置定位跟踪层从G-IoT的角度来看。定位跟踪的跟踪是安全层:用户只能看到自己的踪迹,额外的权限是隐藏的。这类的一个例子是使用互联网和移动地图智能手机上的应用程序可以计算用户的当前位置使用全球定位系统和显示在地图上的地方(13]。

2.3.2。精密医学

这种策略让医生治疗病人选择最有可能帮助病人治疗基于遗传疾病认识的。设备采用精密医学包括分子诊断、成像和分析。从类似的术语解释的区别,即。,personalized medicine, the National Research Council explains that “precision medicine refers to the tailoring of medical treatment to the individual characteristics of each patient.”

2.3.3。广告

许多新小企业G-IoT主人这么多关注他们的产品和服务,他们不承认,成功不只是来自业务提供。成功来自于能力达到客户和让他们购买。小生意成功的营销是一个关键因素。没有互联网的时候,市场营销,特别是群众,是困难和昂贵的14]。

2.3.4。欺诈检测

各种专业活动的进行,以避免访问或财产在虚假的收购。欺诈检测是利用技术应用于许多领域,如银行或保险,作为一个常规的工作方式。在银行业,欺诈可以涉及伪造支票或使用偷来的信用卡作为案例研究。处理交通从这个角度将有助于更有效地各种网络层流量路由到它应该去的地方在进入任何返航网络电信和肯定之前直接摄入或主机托管数据中心。

2.3.5。欺诈行为的处理

欺诈处理旨在防止犯罪或者欺诈客户合理肯定会导致重大伤害经济利益或财产,并促成客户使用或正在使用的G-IoT服务,即。,确保法律建议G-IoT遵守这些规则15]。存在多种方式确保安全的设备,例如,简化G-IoT调查与智能管理;治疗欺诈、洗钱和网络事件在一起;使用人工智能给欺诈检测带来更高的精度和可靠性。从应用方面,可以提高设备安全性的宗教删除敏感数据文件系统不再需要时。还建议连续使用加密存储或传送敏感数据时,使用不同的欺诈监测技术安全系统。

2.3.6。娱乐和媒体

云使G-IoT和BD存储,处理和挖掘的数据。换句话说,云计算有效地维护城市的大量的数据。G-IoT和BD,有许多研究团体提出的技术处理数据,如数据挖掘、机器学习、集群、和fuzzy-based决策概念,新颖的算法,用于问题解决方案,确定信息集合的相似性,并获得期望的结果,下面是双相障碍的显著贡献16]。

2.3.7。知识发现工具

绿色计算设备的规划和发展提高了网络基础设施、通信协议、带宽最大化通过减少能源的使用。这些G-IoT设备的部署和创新技术可以减少有害气体排放,改善居住空间。G-IoT包含传感器、雾像根深蒂固的处理节点的节点,基于云计算的节点,和软件任务自动化。

3所示。G-IoT智能城市发展的影响

G-IoT支持智慧城市通过连接智能传感器、设备、车辆和基础设施在所有地方。G-IoT使利益相关者减少化学排放和水的消耗,同时提高了生活质量。对于这个智能城市概念,G-IoT(有两个特点17]。因此,G-IoT的实现在智能城市认为有价值的信息通信技术的插入;例如,无线传感器网络(WSN),蜂窝网络,无线射频识别(RFID),通讯设备,大数据分析,数据处理(18,19]。

3.1。减少有害气体的排放

不同的传感器,小工具和设备部署在城市监控和存储信息。也有一些米安装环境中测量能源消耗,浪费的水平,和气体排放。

G-IoT, WSN和射频识别技术是最重要的,让每一个设备连接和与他人合作。传感器网络是智能传感器和设备的集合,可以部署在任何环境中监视和存储信息的各种活动中执行环境。在WSN域启用它的创新发展提高能源使用效率;此外,丰富网络协议取得了WSN绿色(20.]。

RFID传感器网络和支持智能城市的G-IoT来实现其目标。由于大量的人搬到城市和更多的产业,满足不断增长的人口的需求的产品和服务的利益相关者,G-IoT的主要目标是能源使用和气体排放的管理(21]。许多协议、技术、基础设施和传播策略提出了。

G-IoT建立在绿色产业、绿色通信,绿色制备,使用绿色能源,绿色废物管理,允许它合作,自动和智能。生态政策的使用和含义G-IoT bioproducts使生产商的机制作为另一种方式使用能源如太阳能、水、空气,沼气。减少能源利用率和费用,同时提供能源G-IoT段至关重要;关闭G-IoT硬件无论点是可能的,这将使其他规划计算贡献适当。减少大小的无线数据路径的数据交付和使用先进的数据通信技术是关键因素22]。

因此,所有这些技术的部署环境中支持G-IoT。G-IoT改善人类健康,因为其环保方面的考虑。

所有G-IoT技术很容易控制,管理和平衡需求和生产的能量。这可以通过部署智能家电和智能执行器,可以自主观察能源需求并作出相应调整。这涉及到智能电网(SG)的使用。由于连续的和大的发展SG(特别是有关其能源使用),它是强制实施G-IoT绿色能源消费等概念。然后,SG将成为绿色SG (G-Sg)。G-Sg自动化是一个系统,自愈,安全,质量,成本效益和环境安全。G-Sg还提供了替代能源生产方式,比如通过太阳能、风能、和水资源,控制能源之间的分布。G-IoT必将有助于减少气体排放量25%,能源消耗30%,部门之间有效地分配资源25%;参见[23]。

在智能城市,水资源管理通过信息通信技术可以实现。在这里,G-IoT的主要目标是要节约用水和提高其管理。G-IoT,这可以通过使用智能测量装置和自动监控(24]。G-IoT不仅涉及水安全,还在空气中赋予生命,等。此外,G-IoT正在改变现代生活方式。

环境资源生成大量的数据需要处理大数据。G-IoT所有生成的数据存储在云端,然后一些预测技术应用,这样系统可以采取适当的行动。通过使用先进的控制和自动化系统,可以减少能源使用和浪费40%到70% (25]。

由于人们的迁移到城市,浪费也增加了,这挑战G-IoT维持智能城市。现在G-IoT需要一些技术解决方案为能源生产管理浪费和使用它。使用G-IoT概念,在许多国家,如中国,生产能源,和大多数发达国家利用他们浪费许多其它的目的,除了生产几个资源替代自然资源(26- - - - - -35]。这个策略已经意识到通过采用G-IoT概念和创新技术,如传感器、智能废物收集和废物燃烧系统。

能源使用传感器部署在环境可以增加用传统方法生产的30% - -50%。还有一个需要监测智能城市减少犯罪率,提高公共安全。可以监控安全智能相机和传感器的安装。G-IoT使用大数据也可以帮助管理交通,帮助司机选择目的地的最短路线。这可以通过使用大数据挖掘道路数据的连续分析技术。G-IoT使用大数据还可以支持社会在解决停车问题。由于巨大的人口向城市地区,有一个可用的停车问题。因此,G-IoT使用大数据可以显示一个空的停车位在繁忙的停车区域。

替代网络物流(虚拟网络)处理异构QoS需求的网络流量要求基本偏离传统的网络架构。G-IoT促进创新的发展和进步的迷走神经刺激法,包括传感器网络,自主驾驶的有效利用,包括无线自主车辆和云之间的联系;有request-based系统允许自动汽车收集不同的位置信息在不同的决议,和微型电网;聚合的数据导入或导出电力从分布节点的微型智能电网"通过集中器与隔离传感器网络对网络无处不在的传感器网络。

4所示。在全ip网络交互G-IoT虚拟网络

分配问题出现在两个层面:网络基础设施能力全ip网络(QoS)和虚拟服务网络提供者:“因此,网络虚拟化应该提供规范的能力上限带宽使用情况由每个LINP为了保持整体的吞吐量和性能。虚拟或逻辑网络专注于端到端的QoS。当前的互联网体系结构并不足以支持服务质量从用户或应用程序的角度来看。目前还不清楚怎么整合不同层次的体系结构中的服务质量。

没有信道优先级的多通道拥挤定价模型不会导致服务质量分化与质量保证。由于没有通道和QoS保证为用户提供优先级,只有交通拥堵的程度在不同的渠道是相关的,因此用户会立即切换到另一种交通服务提供者提供相同程度的拥挤以更低的价格。因此,处于平衡状态,如果带宽容量之间的不同渠道,分割的数据包数量的不同的频道结果开(不允许控制),这样的拥挤和堵塞的价格是相同的。

据分析,定价水平在其他交通类是如此之低,以至于可以忽略不计。

在市场竞争下的交通服务,每个交通服务提供者做出自己的自主决策。通道的数量的选择 与单调递减通道质量 ,带宽,使用依赖不同渠道的价格同时派生。没有社会规划者全局优化能力和价格对所有交通服务网络。在下面,任意选择的交通分配问题的服务提供者在免费的条目进行了分析。

在缺乏渠道优先,通道分离可能是出于减少分流交通拥挤外部性在几个频道。不过,战略通道分离的优点尤其出于channel-tailored确定性交通质量控制和投资激励的层次结构确定的QoS保证多通道模型必须广义与严格的录取控制交通类的层次结构。

交通类的层次结构基于单调关系更严格定义的QoS参数是基于机会成本的单调关系带宽容量使用不同的QoS类和修复优先级参数。网络容量(带宽)被分配给每个质量类(频道)另外,包括所需的储备容量由于需要修复优先级参数保证确定性参数(延迟,抖动、包丢失)。有可量化的需求对延迟、抖动,和包丢失数据包的转发,有透明的优先隐含渠道之一。

唯一的确定性保证交通质量参数是相关的,从而导致更高的机会成本更为严格确定的交通保障。即使两个渠道同样拥挤在一个时间段,用户不会冷漠之间的通道。通道编号并注明服务质量等级。类1将优先为高质量敏感的应用程序由于交通绝对最高质量的保证,即使在一段时间拥堵。

假定的一个典型的交通网络服务提供者包含的层次结构n逻辑上分离通道。为了简单起见,我们假设关于QoS保证渠道的层次和服务修复优先级的层次结构是相同的,避免一个评价较低的渠道之间的冲突QoS类和修复优先级更高的服务。通道1是最高优先级的渠道保证通道 ,最低的信道质量担保(或没有任何质量保证)。

通道使用的机会成本取决于交通质量类,增加带宽容量使用由于不同的QoS类和修复优先级参数。让 表示逆需求函数包传输的通道与交通质量时期与交通流 。我们假设需求是独立的跨时间因为我们不旨在分析跨时期的相互依赖关系的需求。没有洗下之间的能力从一个时期到另一个频道。

分配给信道带宽能力与质量由一个保留的带宽共享和修复备用(储备)能力 。容量成本的通道是表示 ,组成的带宽分配的容量成本和带宽成本恢复储备需求。注意,带宽成本事前的选择和固定成本对整个“一生”包括所有的时间 。

由于通道分离,恢复储备能力职业专用,只取决于类的频道 。与质量恢复备用容量需求是单调递减的质量越来越多的类。因此,恢复闲置产能增加的成本与质量参数 。

让 是私人的(平均)内包传输通道的可变成本在质量类和信道带宽 质量类。 如果带宽内保持不变,额外的交通通道会减慢每包在这个通道,从而提高intrachannel外部性:

允许控制和恢复备用容量保证intrachannel外部性不冲突与确定性交通质量担保。 如果流量保持不变,那么额外的通道带宽容量将允许加速在这个频道每包: 在哪里代表一个增量交通质量;最大信道容量减少,导致一个向上转移的可变成本函数。因此,在情况下,质量水平增加,可变成本也会增加。

竞争下,每个交通服务提供者选择通道质量类、通道能力,每个通道和包价格等方式来最大化利润。利润最大化问题被定义为以下几点:

必要条件,得出了最大的几个微分(5)对 为每一个 和对 和对 设置每一阶导数为零。

最优定价规则有关的拥堵费包传输通道是由以下几点:

最优最优规则(带宽)通道的能力是由以下几点:

质量最优最优规则的选择是由以下几点:

解方程组(6)- (8)提供最优的流量分配 之间的不同的渠道和能力的第一个维度为每个单独的通道和最优交通类 。

可以得出以下结论:

交通拥挤外部性在通道在这个通道传输的数据包数量增加(确定性交通的限制范围内质量保证)。由于每个通道的带宽的预订,只有单独的通道内外部性相关的,而渠道之间的外部性(信道间的外部性)不发生表达(9)。

最优拥挤与堵塞的程度增加的费用以及提高交通质量。在每个通道拥堵费 随着时间的推移可能会有所不同,需求随时间变化。

在每个通道容量(带宽)应该扩展,增加的边际成本占带宽和恢复能力的边际成本等于边际效益的减少拥堵在通道(数据包流)与交通质量(10)。

高质量类,边际成本函数向上转移,导致更高的包装要求(其他条件不变)。因此,交通质量类的层次结构的结果(其他条件不变)更高的拥堵收费(11)。因此,价格包传输增加而要求交通质量因为可变成本增加交通质量。关于这些措施的更多细节,我们指的是(36]。

5。统计方法和寿命分析

这部分处理的引入的新的统计模型和寿命分析无线传感器网络(网络),在物联网中发挥重要的作用。

5.1。统计方法

轮驱动越来越感兴趣从研究和产业。这可以由廉价的可用性,低功率微型处理器等元素,收音机,通常集成到一个芯片和传感器。互联网是平滑地迁移从一个互联网的人向一个物联网。到2021年,预计在五十(50)十亿将连接到互联网。

轮的一生是一段时间在此期间网络可能,合适,保持足够的连通性,覆盖所有地区,或保持数据损失率低于指定水平。几轮的解释一生中存在文学。它可以列出的等待时间到主节点睡觉和醒来。也可能随着时间概述到只有死亡比例的节点。

在大数据科学的实践和其他应用领域,一生的建模是一个有趣的研究课题。建模一生现象,统计模型得到了相当大的关注(37]。在应用领域中,在网络计算建模寿命数据,尤其是网络的寿命,是最突出的一个。

5.1.1。提出了家庭的发展

在本节中,我们提出一个新的家庭的统计模型提供最好的描述了网络的寿命。让pdf(概率密度函数)随机变量(r.v)说T,在那里 , 我们假设提供的函数(累积分布函数)的r.vX满足下面的条件:(我) ,(2) 是可微的,单调递增,(3) 作为 和 作为

的T -X家庭的形式 在哪里满足上述条件。Pdf对应于(12)是

基于T -贡献的工作X方法,我们指的是(38]。灵感来自于(12),我们提出了一种新的统计模型适合网络的生命周期建模数据。从今以后,我们称该方法作为新指数——权力X(棉结X)的分布。让率的指数分布参数吗 ,那么它的运作是由

相对应的pdf (14)减少

如果(15)和设置在(12),我们获得的cdf实验组的棉结X家庭,如下所示:

相对应的pdf (16)是由

5.1.2中。一个新的指数Power-Weibull:一个特殊的子模型

在本小节中,我们引入的子模型的棉结X家庭,称为一个新的指数power-Weibull (NEP-Weibull)分布。一个r.vX威布尔分布据说,如果其运作和pdf分别给出的。

,和 。使用提供的威布尔分布(16),我们得到了cdf的NEP-Weibull分布 与生存函数(sf)

对不同的模型参数值,提供和科幻小说的情节NEP-Weibull分布呈现在图5。

相对应的pdf (18)是由

对不同的模型参数值,情节的pdf NEP-Weibull分布绘制在图6。

5.1.3。最大似然估计

在本节中,我们获得了最大似然估计(ml) NEP-Weibull分布。让x₁,x₂、……x_n样本的观察从pdf (11)与参数和 。相应的方程(11),用对数似函数 ,是由

代表模型参数的偏导数 是由

解决表达式 和 收益率的毫升和 ,分别。

5.2。了网络建模的寿命

NEP-Weibull分布的分段说明了适用性分析现实生活中的数据。数据集代表了网络的寿命。缩放的TTT变换情节是一个图形化的方法识别失效率函数的性质的数据集。众所周知在文献中,失败是增加(减少)如果TTT图凹(凸)。从到达目标时间转换情节描绘图7,我们可以看到网络的寿命数据增加失败率的行为。此外,直方图和箱形图提供的数据集也在图7。

摘要措施相关的数据表提供了网络的寿命1。

应用NEP-Weibull wsm的寿命,和一个比较NEP-Weibull由取幂的威布尔(EW) Marshall-Olkin威布尔(割)和α力量改变了威布尔分布(APTW)。竞争的cdfs分布如下:(我)电子战分布 (2)割分布 (3)APTW分布 展示的最佳拟合分布竞争,某些被认为是分析措施。这些分析措施包括Akaike信息准则(AIC),贝叶斯信息准则(BIC) Hannan-Quinn信息准则(HQIC),一致Akaike信息准则(CAIC)和Kalmogrove-Simrnov (KS)统计 - - - - - -价值。这些措施的公式如下:(iv)另类投资会议的 (v)比克 (vi)的HQIC (七)中安集团经贸的 在哪里在ml表示对数似功能评估,k模型参数的数量和吗n是样本容量。(八)KS的 在哪里经验提供和吗的上确界的距离。

所有的计算都使用optim()前庭功能与参数方法“君”;请参阅附录。模型与最低值这些措施可以选择最好的模型以适应数据。并给出了模型参数的ml表2、AIC CAIC、BIC HQIC展示在表3,而KS和 - - - - - -表提供了价值4。

从结果表中提供3和4,我们可以看到,分析办法NEP-Weibull分布AIC = 215.5336, CAIC = 215.8670和BIC = 218.8607, QIC = 216.7274, KS = 0.0740 - - - - - -值= 0.9831。这些措施的第二个柜模型AIC = 217.5140, CAIC = 218.1997和BIC = 222.5047, HQIC = 219.3046, KS = 0.0790 - - - - - -值= 0.9679。

从上面的讨论,我们可以看到NEP-Weibull分布的最小值分析措施和最高的 - - - - - -价值在竞争模型。因此,我们可以得出结论,NEP-Weibull建模数据的分布可能是一个好的候选领域的计算机科学技术,尤其是网络建模的寿命。此外,在计算结果的支持,实证cdf和kaplan meier生存probability-probability (PP)和quantile-quantile (QQ)块NEP-Weibull分布在图提供8。从图8,我们可以看到NEP-Weibull分布提供了一种紧密配合了网络的寿命数据。

6。未来的工作

而不是G-IoT和BD,许多公司和政府在发展中所面临的限制是智能城市将人们从农村到城市。这些限制包括的可持续性技术、智能传感器的发展,可靠和强大的网络连接,有效的利用资源。新的修改智能传感器和新技术必须在大数据的数据挖掘和新的决策方法G-IoT和BD域和新G-IoT-BD架构。

7所示。结论

世界各地的人类迁移到城市为了安全,更好,更可持续的生活。因此,智能绿色城市的愿景是成为现实。是通过现代技术的实现可以与物联网环境中。无线连接的物联网允许从任何地方,任何时候。这个连接中起着非常重要的作用在许多领域的发展,如健康、交通、工业、智能教育、和废物管理。在这项研究中,我们进行了详细的回顾G-IoT-BD组合的智能城市发展。我们发现G-IoT本身并不是能够管理智能绿色城市概念;它需要BD的支持,提高其性能。大数据提供了不同的技术,允许从随机数据挖掘有价值的数据。一个名为NEP-Weibull分布的新统计模型,介绍了网络应用的寿命数据。 The comparison of the proposed model was made with EW, MW, and APTW distributions. Certain analytical measures are considered to decide about the goodness of fit of the competing distributions. Based on the results of the analytical measures, we found that the proposed model provides the best fit for data.

附录

请注意:在接下来的R代码,一个是 ,t使用 ,下午和用于模型。数据< -read.csv (file.choose(),头= TRUE)=数据[1]=数据[! is.na(数据)]数据##概率密度函数#pdf_pm < -功能(par,x){一个=标准[1]t= par [2]一个∗t∗(x^ (一个∗exp (−−1))t∗x^一个)∗(1 + exp (−t∗x^一个)∗(1 / (exp (1−exp (−t∗x^一个))))∗(1 / (exp (1)−1)∗exp (1−((exp (−t∗x^一个))/ (exp (1−exp (−t∗x^一个)))))}##累积分布函数#cdf_pm < -功能(par,x){一个=标准[1]t= par [2](exp (((exp (−−1t∗x^一个))/ (exp (1−exp (−t∗x^一个)))))−1)/ (exp (1)−1)}set.seed (0)善良。适合(pdf = pdf_pm cdf = cdf_pm开始=c(0.5,0.5),数据=数据,方法= "君",域=c(0,正),标定= NULL)。

数据可用性

这项工作主要是方法论的发展和被应用到相关辅助数据无线传感器网络的寿命,但如果需要,数据将提供。

的利益冲突

作者宣称他们没有利益冲突的报告对于本研究。

确认

作者感谢LetPub (https://www.letpub.com)的语言帮助在准备这个手稿。本研究支持的计算机工程系,亚兹德大学,伊朗。