基于改进随机森林算法的地质构造识别模型

地震属性常常用来进行构造解释以及预测。为克服单一地震属性预测带来的多解性和不确定性的问题,采用地震多属性融合技术对地质构造进行解释以及预测。基于经典的机器学习随机森林算法模型,提出了一种改进的随机森林算法对多种地震属性进行融合分类,将地震多属性融合技术与改进的随机森林算法结合,建立了基于改进随机森林算法的地质构造识别模型。以山西新元煤炭责任有限公司二条带二采区作为研究区域,基于三维地震勘探成果提取到的12种地震属性,通过对12种属性进行属性相关性分析以及特征重要性分析,依据结果保留了全部12种属性进行后续的属性融合。利用揭露验证后的地质构造-断层和陷落柱作为样本标签,提出一种改进网格搜索的优化算法,将分类器数目与单棵决策树的最大特征数组成参数对进行网格搜索,基于Python语言平台建立算法模型,实验结果表明改进后的算法模型预测准确率达到97%,经过后续的模型验证,证明了相比于逻辑回归、梯度提升与决策树等几种算法,改进后的随机森林算法能够更加有效地识别地质构造中的断层与陷落柱等异常体,且识别准确率更高,算法适用性更加广泛。     

燕麦耐消化肽纳米载体的制备表征及其对咖啡酸苯乙酯的包埋作用研究

为提高燕麦蛋白的水溶性并提高其在纳米材料领域的应用价值,通过酶水解法制备了燕麦耐消化肽纳米颗粒,并评估其包封疏水活性物质的能力及耐消化特性。燕麦蛋白经胃蛋白酶和胰蛋白酶消化制备出燕麦肽纳米颗粒,为50 nm的球形胶束。燕麦蛋白经过胃蛋白酶消化水解度为3.1%,胰蛋白酶消化水解度为10.7%。对内部相互作用进行分析表明,燕麦肽纳米颗粒主要由疏水作用驱动自组装,氢键和二硫键对维持结构稳定有一定作用。表面活性研究表明,燕麦肽纳米颗粒表面具有一定的疏水性和亲油性,水解改性大大增强了纳米颗粒的水溶性。以咖啡酸苯乙酯为模型药物评估燕麦肽纳米颗粒的载药性能,包封率为71%,载药量为3.5%,咖啡酸苯乙酯在水中的质量浓度从1.8提升至140μg/mL。载药纳米颗粒体外模拟消化结果表明,耐消化肽纳米颗粒具有较强的耐消化特性,在胃肠液中咖啡酸苯乙酯的释放率低。稳态荧光光谱分析表明,疏水相互作用是咖啡酸苯乙酯与肽分子结合的主要作用力。研究表明,燕麦肽纳米颗粒是增加疏水物质溶解度的良好载体。