机器学习方法在储层分类中的应用

油气田开发中有效储层和非有效储层的样本点存在混合带时,两类储层的划分是一个难点问题.从统计学上来看,其本质是一个含噪声的小样本二分类问题,可以采用机器学习方法,充分挖掘有试油成果的样本点的数据信息.分别利用线性判别分析、支持向量机、多层感知机神经网络建立储层分类模型,利用10次10折交叉验证法进行模型评估与优选,并利用全部样本点建立了有效的储层分类模型,最后将模型推广应用到样本分布的三种不同情形.结果表明,线性支持向量机模型具有最好的分类效果和很强的泛化能力,对于区分有效储层和非有效储层是有效的,可以在油气田开发中进行推广.     

基于联吡啶的π-共轭有机电致发光分子的合成和光学性质研究

利用Wittig-Horner方法合成了一系列新的基于联吡啶的π-共轭分子, 并用¹H NMR, ¹³C NMR、红外光谱、元素分析和MS进行了表征. 通过热重分析(TGA)测定结果表明所合成的化合物具有良好的热学稳定性; 化合物的光致发光(PL)最大发射峰在439～441 nm之间, 对应于蓝光区域.