边缘LoRaWAN链路预测
用贝叶斯优化的高斯过程-双向LSTM堆叠自编码器模型，在LoRaWAN边缘节点上精准预测RSSI与SNR，并实时学习天气与链路质量之间的复杂关联。
Bhat, Showkat Ahmad · Huang, Nenfu · Hussain, Imtiyaz · Sajjad, Uzair
IEEE Transactions on Network and Service Management 2023
模型在实验LoRaWAN多变量时间序列数据上验证，预测RSSI和SNR的平均绝对误差约0.45，足以支撑实时参数优化。
贝叶斯优化算法自动搜索模型超参数，避免了手工调参的耗时和不稳定性。
该模型学习环境天气参数与RSSI/SNR之间的复杂关联，使LoRaWAN网络能在不同气候条件下自适应。