以MATLAB机器学习与ThingSpeak平台开发物联网解析系统.PDF

以MATLAB 、機器學習與ThingSpeak 平台 開發物聯網解析系統 By Robert S. Mawrey, MathWorks 智慧裝置與資料解析、機器學習技術的結合，可以被廣範地運用在各個領域 ，從 自行開發的交通監測，到先進的預測維護系統，以及未來各式各樣的消費性產品， 比如Amazon Echo 及Google Nest 等。 雖然物聯網(Internet of Things, IoT)潛能無窮，但物聯網系統的設計及開發需要複 雜網路架構以及多領域的專業 ，可能讓人感到氣餒。 本篇文章將介紹如何利用資料解析（data analytics ）技術，且在無需開發客製化 網路軟體或伺服器的情況下來設計開發IoT 系統並進行原型化及轉檔佈署。這項 工作流程以MATLAB® 、以及可以依需求在雲端執行MATLAB 程式碼的IoT 解析平 台 - ThingSpeak™為基礎。為了說明本工作流程，我們將建立一個潮汐預測系統 做為例子 ，該系統可以讓船員預測風對潮水水位所造成的影響 。 水的深度隨著潮汐有所不同，但同樣也受到風的強度、時間、與方向的影響。風 成的水位預測通常需要先進的流體力學模型，並且須對當地海灣與海床形狀具備 相當深入的了解。美國國家海洋暨大氣總署(NOAA)與其他組織利用這些資源來預 測主要港口的水深，但次要的港口與海灣則無法正當利用這些資源。 我們將要開發的這個系統，不需要精密計算的流體力學模型與複雜的設備，只需 要基於類神經網絡技術以及低成本的硬體裝置，就可提供一套可行且經濟實惠的 方式給予次要港灣進行潮汐預測。 本 案 例 所 使 用 的 程 式 碼 可 以 從 /matlabcentral/fileexchange/60344-thingspeak-tidal- and-wind-surge-forecasting-example 下載。 潮汐風浪預測範例 本範例以從美國東北部麻薩諸塞州鱈魚角的一個海灣所收集到的資料為基礎 (圖1) 。 圖1. 潮汐預測系統 。 在MATLAB 中執行程式碼 ，可以讀取從ThingSpeak 以及其他線上資料來源的風 及潮汐的資料，接著執行可以預測潮湧並依需求產生潮湧預測圖(圖2)的潮汐預 測與類神經網絡演算法。 圖2. 以MATLAB 機器學習與ThingSpeak 為基礎的風成潮汐預測圖。圖中可看到潮汐的實際量 測值、天文潮汐預測(不考慮風的因素) 、以類神經網絡預測的風成潮汐預測(天文加上風) 、以及 殘差(實際量測值或風成預測與天文預測之間的差距) 。 我們將透過五個步驟來建立預測系統。 1. 收集歷史資料 2. 分析資料 3. 開發預測演算法 4. 將解析結果佈署到雲端 5. 依需求進行資料的解析與視覺化。 步驟1 ：收集資料 一開始，我們以ThingSpeak 以及低成本的測潮計來收集潮汐水位的歷史資料 。 測潮計的韌體是以C 程式碼編寫，我們使用了ThingSpeak 的開放源嵌入式裝置 之通訊函式庫 （open-source 4ThingSpeak communication libraries ）發佈到 GitHub 。 步驟2 ：分析歷史資料 我們將歷史資料從ThingSpeak 下載到桌上型電腦上的MATLAB 來執行分析工 作 。在桌上型電腦，我們可以檢驗及清理資料，來移除雜訊、異常值、缺漏 值、錯誤值及其他反常情形 。 % Download the tide data using a custom function [tideTime,tideRangemm] = readAllMyTideData(); % Convert the range to water depth from the mud disttomud = 3449; %Measured distance from the gauge to the mud. depthFeet = (disttomud - tideRangemm) / 25.4 / 12; [tideTime,duptimeindex] = unique(tideTime); depthFeet = depthFeet(duptimeindex); depthFeetNoisy = depthFeet; % Remove outliers (could also use movmedian) depthFeet = hampel(depthFeet,121,2); depthFeet = hampel(depthFeet,11,1); 我們將資料繪製成圖表