基于改进低秩矩阵恢复模型的测井数据去噪方法研究

在铀矿中子测井数据处理方面,受井液、地层孔隙度、岩性等因素的影响,测井的噪声数据不一定满足稀疏性的要求,传统的低秩矩阵恢复(LRMR)模型对于测井原始数据的去噪效果不佳。作者提出一种基于低秩矩阵恢复的改进模型,以提高对含复杂噪声的测井数据的去噪能力。同时把加权m1范数和加权核范数的思想引入到传统的LRMR模型中,使用F范数作为惩罚项,得到改进的LRMR模型,并应用表现效果较好的非精确增广拉格朗日乘子法(IALM)对模型进行求解。运用传统模型和改进的模型对某铀矿的中子测井数据进行去噪,并使用支持向量机、决策树算法对去噪后的数据进行矿层分类分析;实验结果表明,经过改进模型去噪处理后的测井数据分类准确度更高。改进的LRMR模型去噪能力比传统LRMR模型更强,为铀矿中子测井数据去噪提供了技术支撑。

无线网络节点信号节能传输轨迹仿真

在无线传感器网络(WSN)节点轨迹拟合中,由于频繁传输传感器节点的位置信息会增加网络能量消耗,为解决上述问题,提出一种低秩矩阵恢复算法(LRMR)的节点轨迹拟合方法,即对轨迹信息进行稀疏采样来降低信息传输量以达到节能目的,并研究一种改进的LRMR算法以提高运行速度,即在迭代中对单一低秩矩阵与噪声矩阵作局部粗寻优,对恢复矩阵中的元素作全局细寻优。轨迹拟合方法包括构造采样节点位置信息的稀疏矩阵,可采用改进LRMR算法进行恢复。仿真结果表明,基于改进LRMR的节点轨迹拟合方法是切实可行的,在不同的采样比例下都可取得稳定的恢复效果,改进的LRMR算法在运行时间上优于现有的LRMR算法,为信号传输节能设计提供了依据。