Optimization of Energy Consumption in LoRaWAN Networks Using Machine Learning Methods

Батырбек Жоламанов, Sayat Orynbassar, Kymbat Kopbay, Madiyar Nurgaliyev, Gulnaz Abzhanova

2026

Жабық қол жеткізу Метадеректер (CSL-JSON)

DOI 10.52209/1609-1825_2026_3_448

Деректер сенімділігі 70 орташа

Бұл баға қалай есептеледі

Ол жазбаның өзінің тексерілетін белгілерінен құралады: мақаланың DOI-і бар ма, оның деректерін қанша тәуелсіз дереккөз растады, міндетті өрістер толтырылған ба және соңғы растау қаншалықты жаңа. Дереккөздер арасындағы алшақтық пен идентификатордың болмауы бағаны төмендетеді. 80-нен бастап мән жазбаның қосымша тексерусіз жарияланғанын, 60-тан 79-ға дейін — оның сенімділігі төмен күйде жарияланғанын және қолмен тексеру ұсынылатынын білдіреді. Редактор қолмен тексерген жазбаны қайта есептеу 90-нан төмен түсірмейді. Бұл — мақаланың өзіне емес, ол туралы деректерімізге берілген баға.

Аңдатпа

Optimal trade-off between energy efficiency and data transmission reliability serves as a solid foundation for improving the stability and performance of LoRaWAN networks in diverse Internet of Things (IoT) applications. This study investigates the modeling and optimization of energy consumption (EC) in wireless sensor networks (WSNs) using LoRa technology. Key transmission parameters – spreading factor (SF), bandwidth (BW), code rate (CR), and transmission power (TP) – along with the node-to-gateway distance were analyzed for their impact on network performance and energy efficiency. The simulations were conducted using the FLoRa simulation framework integrated with OMNeT++, and the XGBoost machine learning model was used to predict the optimal configurations. The results show that the proposed optimization approach achieves 28% reduction in energy consumption and 24% improvement in packet delivery ratio (PDR) compared to traditional adaptive data rate (ADR) algorithm.