隨著物聯網的快速發展 與應用，其物理層不同類型 的傳感器累積產生了海量的 多源異構數據。然而，如何 選擇、利用更合適的傳感器 數據，以及實現多源異構數 據的協同，是目前物聯網發 展中面臨的重要問題。因此 ，本書利用不同類型的神經 網絡對多源異構時間數據、 時間與空間數據之行協 同處理。本書以動態草 衡繫統為例，通過對傳 感器獲取的歸一化植被指數 （NDVI）數據與地面氣像 傳感器產生的降水量數 行協同處理與分析，預測未 來年份NDVI的時空數據，而對研究區域的草產量與 理論載畜行時空預測， 實現未來年份牲畜種類、數 量的時空優化配置，終實 現一種基於物聯網的動態草 衡能，即實現智 慧草原。本書基於多種神經 網絡方法的多源異構數據協 同理論和方法研究，具有重 要的理論和應用意義。主要 貢獻和創新結如下： 采用帶有外部輸入 的非線性自回歸神經網絡（ NARX）對生長季降水量時 間數據建模。結果表明，基 於NARX建模產生的不同站 點降水量預測數據與實際數 據之間的相關性繫數均大於 0.93。基於NARX的降水量 時間數據預測模型能夠 捕捉不同年份生長季降水量 數據之間的動態關繫， 預測出未來年份生長季降水 量的變化趨勢，提旱 半干旱草原地區生長季降水 量時間數據的預測精度。 針對星地傳感器感知的 降水量與NDVI時間數據之 間的協同，本書提出采用 NARX建模實現降水量與 NDVI之間的協同映射。結 果表明，基於降水量數據協 同獲得的NDVI預測數據與 實際數據之間的相關性繫數 大於0.94。本書利用NARX 模型的特殊結構地表 征了生長季降水量與NDVI 之間的動態關繫，並捕捉到 了兩者之間存在的延遲效應 （或延遲時間）。 結合基於NARX的降水量 自回歸預測模型及降水量與 NDVI之間的協同映射模型 ，本文提出利用混合神經網 絡（NARX-BPNN-NARX） 實現降水量與NDVI時空數 據的協同方法。其中，利用 反向傳播神經網絡（BPNN ）建立的降水量時間-空間 數據協同模型，能夠產 生與經度、緯度、海撥、時 間（年）對應的降水量空間 數據而利用混合神經網 絡獲得植被NDVI的時空數 據（相關性繫數大於0.95） ，實現基於物聯網的 動態草衡能。 本書的出版獲得內蒙古 自治區科技計劃項目（項目 編號：GG0130）、內 蒙古自治區自然科學項 目（項目編號： MS04007）和呼倫貝 爾學院博士項目（項目 編號：BS11）的資助 ，在此表示感謝！ 著者 21年10月