随着云计算和物联网的发展,云计算和无线传感器网络逐渐融合,形成了传感云系统。传感云在继承了云计算和传感器网络的优势的同时,也出现了许多暂时未能解决的问题,特别是数据方面。传感云的数据规模和结构相比传感器网络更加复杂和多样,采用传统的处理和分析方案难以进行管理。本文从传感数据的角度出发,针对传感云系统的传感即服务的特性,研究其服务过程中,数据处理和传输的特点,认为可以对服务中出现频次较高的数据序列进行预测。本文尝试将传感云系统收集到的传感数据进行利用,通过序列模式挖掘的手段处理经常以时间序列的形式出现的传感数据,来实现数据预测。本文提出适用于传感云系统的序列模式挖掘和匹配算法,通过对序列模式进行压缩和还原,和在服务过程中根据已有的传感数据与序列模式数据集实时进行匹配来实现不同任务中的数据预测。通过以预测数据代替传感数据提供给用户,来优化系统的能耗,提高服务的响应时间。本文针对预测模型中的各项参数设置进行了讨论,预测模型中涉及的各项参数可以进行灵活的调整和平衡,以达到更符合用户期望的预测效果。仿真实验结果表明,本文提出的预测方案在各项性能指标上和其他算法的对比中均取得了较好的表现。同时,本文提出基于数据重用的传感云服务方案,构建了一个以传感数据重用率为主要性能指标的传感云服务过程。在该服务方案分为两个部分,分别是一个网络节点分配方案以及一个用户队列调度方案。网络节点的分配方案以构建传感数据的高复用率为基础的路由结构为目的,调用了基于混合蛙跳算法的启发式算法,来进行网络节点的分配,以响应用户的需求。此外,考虑到传感云服务过程中,各项服务参数的不确定性,本文引入一个用户状态轮换队列,使传感云中的传感数据最大限度地得到重复利用,有效降低传感器节点的能耗和带宽占用。本文所提出的服务方案和相关算法经过仿真实验验证,在传感云系统上能够有效降低系统能耗,提升响应速度。