[論文レビュー] A study on Modeling of Dependency between Configuration Parameters and Overall Energy Consumption in Wireless Sensor Network (WSN)

Najmeh Kamyabpour, Doan B. Hoang|arXiv (Cornell University)|Dec 25, 2011

Energy Efficient Wireless Sensor Networks参考文献 23被引用数 8

ひとこと要約

本論文は、残存エネルギーに影響を与える重要な設定パラメータを特定することにより、無線センサネットワーク（WSN）におけるエネルギー消費を予測するデータ駆動型モデリング手法を提案する。1,000回のシミュレーションラン、統計解析、線形回帰を用いた分析により、モデルは平均予測誤差13％未満を達成し、ネットワーク最適化のための正確なエネルギー予測を可能にする。

ABSTRACT

In this paper, we study a new approach to model the overall Energy Consumption (EC) in Wireless Sensor Networks (WSN). First, we extract parameters involving in the EC of WSNs. The dependency between configuration parameters and the average residual energy of a specific application is then investigated. Our approach has three key steps: profiling, parameter reduction, and modeling. In profiling, a sensor network simulator is re-run 800 times with different values of the configuration parameters in order to profile the average residual energy in nodes. In the parameter reduction, three statistical analyses (p-value, linear and non-linear correlation) are applied to the outcome of profiled experiments in order to separate the effective parameters on WSN residual energy. Finally, linear regression is used to model the relation between the chosen effective parameters and the residual energy. The evaluation based on running the simulator for another 200 times with different values of the effective parameters shows that the model can predict the residual energy of nodes in WSN with average error of less than 13%.

研究の動機と目的

• WSNにおけるエネルギー消費に顕著に影響を与える設定パラメータを特定すること。
• 残存エネルギーに対する統計的影響を分析することにより、設定パラメータの数を削減すること。
• 回帰を用いて有効なパラメータに基づき、残存エネルギーの予測モデルを構築すること。
• 独立したシミュレーションランを用いてモデルの正確性を検証すること。
• WSNアプリケーションにおけるエネルギーに配慮したネットワーク設計と最適化を支援すること。

提案手法

• ノード間の平均残存エネルギーをプロファイルするため、さまざまな設定パラメータを用いた800回のシミュレーションランを実施する。
• p値分析、線形および非線形相関を用いて、残存エネルギーに影響を与える統計的に有意なパラメータを同定する。
• 選択された有効なパラメータと残存エネルギーの関係をモデル化するため、線形回帰を適用する。
• 新しいパラメータの組み合わせを用いた200回の追加シミュレーションランを用いてモデルを検証する。
• センサネットワークシミュレータを用いて、多様な設定下でのエネルギー消費データを生成する。
• 統計的手法を用いて影響のないパラメータをフィルタリングし、測定可能な影響を持つものを保持する。

実験結果

リサーチクエスチョン

• RQ1 どの設定パラメータがWSNにおける残存エネルギーに統計的に有意な影響を与えるか？
• RQ2 線形および非線形の相関の種類は、有効なパラメータを同定するためにどのように役立つか？
• RQ3 線形回帰モデルは、選択されたパラメータに基づき、どの程度残存エネルギーを予測できるか？
• RQ4 未知のパラメータの組み合わせに対して、提案されたモデルの予測精度はいかほどか？
• RQ5 このモデルは、実際のWSN展開におけるエネルギー効率の良い設定を導くのに使用可能か？

主な発見

• 200回の独立したテストランにおいて、モデルは平均誤差13％未満で残存エネルギーを予測した。
• 統計的分析により、影響が顕著なパラメータのみを特定することで、設定パラメータの数が明確に削減された。
• 線形回帰は、主要なパラメータと残存エネルギーとの間の依存関係を効果的に捉えた。
• プロファイリングフェーズでは、800回のシミュレーションランから包括的なデータセットが生成され、モデルの強固な訓練が可能になった。
• シミュレーション、統計的フィルタリング、および回帰の組み合わせにより、信頼性が高く正確な予測モデルが得られた。
• 本アプローチは、エネルギーに配慮したWSNの設定および最適化に強く応用可能であることが示された。