物联网数据处理综合课程设计

使用matlab绘制采集到的温度数据，实现监测区域内温度场的重构并绘制温度场的等温线图

1. 具体代码
2. clear all
   clc
   load MyColormaps
   load dataMatrix2021
   %监测数据保存在dataMatrix
   nCol=2179; %有效数据为2179组
   nNode=5; %5个无线传感器节点
   workMatrix=dataMatrix(1:nNode,1:nCol);
   %dataMatrix
   %每一列是一次观测，共nCol次观测
   p1=[21 2 2];
   p2=[22 64 2];
   p3=[23 64 90];
   p4=[24 2,90];
   p5=[25 33 46];
   %节点ID、东西向坐标、南北向坐标
   %东南角坐标为0 0，区域范围为[1 66]x[1 92]
   %p1、p2、p3、p4、p5为5个无线传感器节点的信息
   points=[p1;p2;p3;p4;p5];
   clear p1 p2 p3 p4 p5;
   pTemperature=cell(1,nCol); %用于保存nCol次观测时依据每次观测构造的温度场
   clear dataMatrix i

%PV记录区域内每一点的归一化后的坐标
PV=zeros(2,66*92);
for i=1:1:92
for j=1:1:66
PV(1,(i-1)*66+j)=j;
PV(2,(i-1)*66+j)=i;
end
end
clear j;
PV(1,:)=PV(1,:)/66;
PV(2,:)=PV(2,:)/92;
%P记录每一个监测位置归一化后的坐标
P=zeros(2,nNode);
P(1,:)=points(:,2)’/66;
P(2,:)=points(:,3)’/92;
%T记录每一个监测位置的温度
T=zeros(1,nNode);
for i=1:1:2197 %循环播放2179次
T= workMatrix(:,i)’;
net=newrbe(P,T); %设计一个用于构造温度场的RBF神经网络,该神经网络用作温度场重构的计算模型
Y=sim(net,PV); %使用设计的RBF神经网络计算监测区域内每一个位置的温度
v=zeros(66,92); %目标温度场的温度表示
v(:)=Y(😃;
pTemperature{i}=v; %保存构造的温度场
clear net Y v;

h=surf(pTemperature{i}); %绘制三维曲面f
colormap(mycmap); %输出rgb或16进制颜色图
caxis([min(min(workMatrix))-0.5 max(max(workMatrix))+0.5]); %设置颜色范围
colorbar; %显示色阶的颜色栏
axis([1 92 1 66]); %对坐标轴进行一定的缩放，设置当前坐标x轴和y轴的限制范围
myfilename=sprintf(‘D:/saveIOTg_/%d.jpg’,i);
%saveas(h,myfilename,‘jpg’); %保存图片（图片名字，文件名，文件格式）
hold on; %保持当前坐标轴及图像不被刷新，准备接受下面的等温线图

[C,h]=contourf(pTemperature{i}); %[M,c]=contourf（ ）返回等高线矩阵和等高线对象c，显示等高线图后，使用c设置属性
colormap(mycmap); %输出rgb或16进制颜色图
caxis([min(min(workMatrix))-0.5 max(max(workMatrix))+0.5]); %设置颜色范围
colorbar; %设置颜色范围
myfilename=sprintf(‘D:/saveIOTc/%d.jpg’,i);
saveas(h,myfilename,‘jpg’); %保存图片（图片名字，文件名，文件格式）
hold off; %关闭图形保持功能

试验结果