室内环境属于人们日常生活的小环境,这种特定环境下的小气候我们称之为微气候,它是指在一个细小范围内与周围环境气候有异的现象。微气候不仅影响着人们的生产、生活和健康的方方面面,并且在很大程度上决定了人们生活质量的优劣。本文针对微气候环境的物联网应用进行了传感器数据采集、建模和仿真三个方面的研究,主要完成了以下工作:(1)在微气候环境监测中,一般采用等时间间隔数据采集方法:根据预先设定的时间间隔,周期性地采集数据。这种方法虽然简单,但是没有考虑所采集数据的变化,采集时间间隔设置得过小往往会造成大量的数据冗余,采集时间间隔设置得过大又不能准确地反映出数据变化的规律和特性。为此本文提出了一种基于旋转门算法的自适应变频数据采集策略,该策略具有创新性,实现简单,不仅可行,而且高效。(2)自适应变频数据采集策略采集的数据是非等时距的,本文因此提出了基于相关系数的非等时距数据建模方法,先使用分段线性插值方法将非等时距数据转化为等时距数据,然后对这些数据进行相关分析和回归分析,最后建立基于相关系数的回归模型,经过检验和残差分析,模型的拟合效果非常好。(3)将基于相关系数的非等时距数据建模方法应用到实际项目中,实现了传感器数据仿真系统,系统中的虚拟传感器可以在线实时地生成需要的传感器数据,数据的生成策略是基于相关系数的回归模型,与真实的传感器组采集的数据非常接近。海量的传感器数据会占用大量的存储资源,这给物联网应用的开发带来很大的挑战。物联网应用都需要长期地采集和存储传感器数据,大量的存储资源消耗提高了物联网应用的开发成本。本文提出的基于旋转门算法的自适应变频数据采集策略在传感器数据采集阶段就可以大量减少数据冗余,同时又是进一步研究基于相关系数的非等时距数据建模方法的基础。基于相关系数的非等时距数据回归模型揭示了不同传感器数据之间普遍联系的本质,因此应用于传感器数据仿真系统中生成的仿真数据是可靠而有效的。