科研之友
微信
新浪微博
Facebook
分享链接
摘要
井下无线通信环境的高动态变化会使定位模型精度降低，可将在线顺序极限学习机(Online Sequential Limit Learning Machine, OSELM)算法用于井下定位，利用在线学习能力实现对模型的实时更新，与批量式处理算法SVM和ELM相比，该算法能更有效地提高模型的定位精度。但在OSELM模型更新过程中，并没有对新增数据有效性进行考虑，针对这一问题，从新增数据时效性和采集新增数据参考点覆盖率2方面对OSELM算法进行改进，同时融合以上2个因素做融合性改进，用权重项表示新增数据对OSELM定位模型的更新程度。实验结果表明，在3 m误差距离范围内，经改进的OSELM算法均能有效提高定位模型精度，更好地改善因井下环境高动态变化导致模型精度降低的问题。
- 单位
