移动锚节点辅助的DV-hop定位方法研究

该文简要分析了DV-hop算法的定位原理,在分析锚节点比例、节点部署密度对该算法定位精度影响的情况下,针对稀疏的随机无线传感器网络引入移动锚节点。移动锚节点使用一种在自组织网络中经常用到的移动模型。仿真结果表明,改进的M-A-DV-hop算法很大程度地降低了硬件成本,并显著提高了算法在稀疏随机传感网中的定位精度。

径向基神经网络优化及在储层敏感性定量预测中的应用

径向基(RBF)神经网络法具有网络结构简单、逼近能力强和学习速度快等优点,已成为最具发展潜力的储层敏感性智能预测方法之一,但在实际应用中仍存在泛化能力不强、网络训练不收敛等问题。通过在输入层中引入补充节点,对网络拓扑结构进行优化,有效地提高了RBF神经网络的逼近精度和泛化能力。在确定储层敏感性主要影响因素的基础上,通过对径向基函数散布常数的优选,进一步优化了RBF神经网络的性能。采用所收集的胜利、辽河、大港及江苏油田共125组数据,进行了神经网络训练和预测检验,优化了RBF神经网络,并在储层敏感性预测方面进行了应用。结果表明,对于训练集内的样本,预测的平均准确率均大于93.79%,且预测值与实验值的相关系数均大于0.995;对于训练集外的样本,预测的平均准确率大于91.59%,预测值与实验值的相关系数大于0.994,实现了对储层敏感性的准确、定量预测。