基于随机森林算法的泥页岩孔隙度预测

准确、快速地获取泥页岩孔隙度对页岩油空间分布及勘探目标预测具有重要意义。针对利用测井响应方程预测孔隙度精度较低的问题,建立一种基于随机森林算法的孔隙度预测模型,与BP 神经网络、支持向量机和XGBoost 算法进行预测精度对比,并利用SHAP 方法分析测井参数的重要性和影响范围。研究结果表明：随机森林算法可以很好地预测泥页岩孔隙度,且预测效果好于BP 神经网络、支持向量机和XGBoost 算法;基于随机森林算法的泥页岩孔隙度预测在渤海湾盆地某凹陷应用发现,对模型预测孔隙度最重要的前3 项测井参数为补偿中子、自然伽马和普通视电阻率;基于随机森林算法的泥页岩孔隙度预测模型可以快速识别单井孔隙度,不仅可以弥补因无法连续取心而难以获取完整孔隙度分布特征的问题,还能大幅提高孔隙度预测效率与精度。     

喹啉多环系列化合物的一锅法合成

喹啉作为药物改构的优势骨架，在创新药物设计及研发领域有着重要的应用价值，对其结构衍生的方法学研究也备受关注。鉴于此，本研究以5-氟取代-4-氯喹啉为母核结构，在双亲核试剂存在下，通过分子内氯、氟双取代构建了一锅法合成新型喹啉并多环衍生物的新方法。该方法的核心步骤以4-氯-5-氟喹啉-3-甲酸酯为原料，以N,N-二甲基甲酰胺作溶剂，在缚酸剂存在下与邻位取代苯胺等双亲核试剂在加热条件下反应，即可完成氯、氟联级取代，不需分离单取代中间产物最终以高收率获得具有结构多样性的喹啉并多环衍生物。该方法无需其他催化剂，简单高效，且对官能团的容忍性强。产物结构经1H NMR，13C NMR和高分辨质谱(HRMS)确证。