气象传感器网络是一种由大量具有运算功能和通讯功能的传感器节点组成的分布式网络,主旨是用于获取、收集、传输节点部署地区中监测目标的气象数据。由于气象传感网大多部署于环境恶劣的监测区域,节点多采用随机分布,造成了监测区域重叠或监测区域丢失,因此需要采用插值方法来补偿、补全监测数据。反向传播(Back Propagation,BP)神经网络由于其无限逼近原则可用来插值获取气象传感网数据。本文结合气象传感网的特点,结合相关路由选择协议进行分析,提出了两种基于改进BP神经网络的数据插值方法。具体研究成果如下:(1)基于改进遗传算法的BP神经网络插值优化算法。方法结合LEACH路由选择协议和改进的BP神经网络插值算法,对气象传感网采集到的数据进行预测插值。改进BP神经网络算法通过优化的遗传算法进行,主要包括对BP神经网络的网络模型进行改进,确定最优隐层节点数,以及确定BP神经网络的最佳权值、阈值参数,使其获得更加精确的数据预测插值结果。实验证明,相比常用的数据插值方法,基于改进BP神经网络的数据插值算法能够达到更加精确的插值结果。(2)基于动量-自适应的BP神经网络插值优化算法。针对气象传感网中采集的节点可能含有大量冗余或者无效数据的情况,有必要对数据通信量进行控制,继而提升节点的使用寿命。本章采用TEEN协议作为气象传感网的路由选择协议,并将其思想融入到经过动量-自适应改进的BP神经网络模型中,生成高效的融合数据插值模型。试验结果表明,该方法不仅提升了插值模型的工作效率,在插值精确度上也有一定的提升。