买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京石油化工学院申请的专利一种基于改进Stacking的强化采油技术智能筛选决策模型的构建方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120046498B 。

龙图腾网通过国家知识产权局官网在2025-09-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510197443.2，技术领域涉及：G06F30/27；该发明授权一种基于改进Stacking的强化采油技术智能筛选决策模型的构建方法是由张娜;张敏;霍龙;蒲景阳;王海柱;罗嗣慧;东野升富;张争设计研发完成，并于2025-02-21向国家知识产权局提交的专利申请。

本一种基于改进Stacking的强化采油技术智能筛选决策模型的构建方法在说明书摘要公布了：本发明属于油气田智能开发研究技术领域，具体涉及一种基于改进Stacking的强化采油技术智能筛选决策模型的构建方法，具体包括如下步骤：步骤1、收集全球已成功实施强化采油项目数据，通过数据处理与分析形成完整数据集；步骤2、选用多种常规机器学习算法，构建多种基于常规机器学习算法的强化采油技术智能筛选模型；步骤3、利用Stacking集成学习进行融合构建基于Stacking的强化采油技术智能筛选模型；步骤4、通过新增元模型对Stacking进行改进，构建基于改进Stacking的强化采油技术智能筛选集成模型。本发明解决了机器学习算法在强化采油技术筛选决策的局限性，为油藏工程师提供更准确的决策支持。

本发明授权一种基于改进Stacking的强化采油技术智能筛选决策模型的构建方法在权利要求书中公布了：1.一种基于改进Stacking的强化采油技术智能筛选决策模型的构建方法，其特征在于，包括如下步骤： 步骤1、收集全球已成功实施强化采油项目数据，选择合适的储层岩石及流体特征作为特征参数，通过数据处理与分析形成完整数据集； 步骤2、选用多种常规机器学习算法，以步骤1得到的完整数据集中的特征参数作为输入、完整数据集中的强化采油技术为输出，构建多种基于常规机器学习算法的强化采油技术智能筛选模型； 步骤3、基于步骤2构建的多种基于常规机器学习算法的强化采油技术智能筛选模型的预测性能，利用Stacking集成学习进行融合构建基于Stacking的强化采油技术智能筛选模型； 步骤4、基于步骤3构建的基于Stacking的强化采油技术智能筛选模型的预测性能，通过新增元模型对Stacking进行改进，构建基于改进Stacking的强化采油技术智能筛选集成模型； 其中，步骤3具体为：步骤3.1、利用Stacking集成学习方法，通过使用元模型将多个不同的基模型的预测结果进行集成，具体为： 步骤3.1.1、数据集划分：将步骤1.4所划分的训练集作为训练数据，使用K折交叉验证划分K个子集，其中K-1个子集为子训练集，剩余一个子集作为子验证集； 步骤3.1.2、基模型训练：使用不同的基模型在子训练集上进行独立训练； 步骤3.1.3、生成新特征：将所有基模型在子验证集上的预测结果作为新的特征，组合成一个新的训练数据集，将基模型在步骤1.4所划分的测试集上的预测结果组成新的测试数据集； 步骤3.1.4、训练元模型：将基模型的预测结果作为新的特征输入到一个元模型中，通过拟合基模型的预测结果，以最大化整体模型的准确性，得到基于Stacking的强化采油技术智能筛选模型； 其中，基模型和元模型从步骤2构建的多种基于常规机器学习算法的强化采油技术智能筛选模型中选取，所述基模型的选取标准为：根据基于常规机器学习算法的强化采油技术智能筛选模型的预测性能，选取能够给元模型提供正确的特征信息，且在预测同一目标时能够捕捉数据的不同方面的不同模型作为基模型； 所述元模型的选取标准为：根据基于常规机器学习算法的强化采油技术智能筛选模型的预测性能，选取结构简单且具备抗过拟合特性的模型作为元模型； 步骤3.2、通过准确率、精确度、召回率、F1分数、混淆矩阵、Kappa系数及MCC值对基于Stacking的强化采油技术智能筛选模型进行评估，并利用学习曲线对基于Stacking的强化采油技术智能筛选模型的运行过程进行分析。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京石油化工学院，其通讯地址为：102600 北京市大兴区大兴清源北路19号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。