基于深度学习的温湿度传感器数据关联分析方法

本发明公开了基于深度学习的温湿度传感器数据关联分析方法，涉及数据关联分析技术领域。包括基于传感器采集的连续温湿度数据序列，计算任意两相邻节点的温湿度梯度差值，并结合地理距离进行分区的划分；对同一分区内所有传感器节点，构建基于历史时间窗的相关系数矩阵，并将节点划分为若干高相关度的关联组；对每个关联组，进行主节点和从节点的划分；基于所述相关系数矩阵，生成冗余替代矩阵，当主节点为异常状态时，结合实时数据差异度筛选备用节点作为新主节点，维持推断链路稳定性。本发明在保障预测准确性和可靠性的同时，有效降低了节点能耗与通信冗余，适用于大规模部署场景，特别适合边缘环境下的温湿度感知网络分析任务。