買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉北京石油化工學院申請的專利一種基于改進Stacking的強化采油技術(shù)智能篩選決策模型的構(gòu)建方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120046498B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-02發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510197443.2，技術(shù)領(lǐng)域涉及：G06F30/27；該發(fā)明授權(quán)一種基于改進Stacking的強化采油技術(shù)智能篩選決策模型的構(gòu)建方法是由張娜;張敏;霍龍;蒲景陽;王海柱;羅嗣慧;東野升富;張爭設計研發(fā)完成，并于2025-02-21向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于改進Stacking的強化采油技術(shù)智能篩選決策模型的構(gòu)建方法在說明書摘要公布了：本發(fā)明屬于油氣田智能開發(fā)研究技術(shù)領(lǐng)域，具體涉及一種基于改進Stacking的強化采油技術(shù)智能篩選決策模型的構(gòu)建方法，具體包括如下步驟：步驟1、收集全球已成功實施強化采油項目數(shù)據(jù)，通過數(shù)據(jù)處理與分析形成完整數(shù)據(jù)集；步驟2、選用多種常規(guī)機器學習算法，構(gòu)建多種基于常規(guī)機器學習算法的強化采油技術(shù)智能篩選模型；步驟3、利用Stacking集成學習進行融合構(gòu)建基于Stacking的強化采油技術(shù)智能篩選模型；步驟4、通過新增元模型對Stacking進行改進，構(gòu)建基于改進Stacking的強化采油技術(shù)智能篩選集成模型。本發(fā)明解決了機器學習算法在強化采油技術(shù)篩選決策的局限性，為油藏工程師提供更準確的決策支持。

本發(fā)明授權(quán)一種基于改進Stacking的強化采油技術(shù)智能篩選決策模型的構(gòu)建方法在權(quán)利要求書中公布了：1.一種基于改進Stacking的強化采油技術(shù)智能篩選決策模型的構(gòu)建方法，其特征在于，包括如下步驟： 步驟1、收集全球已成功實施強化采油項目數(shù)據(jù)，選擇合適的儲層巖石及流體特征作為特征參數(shù)，通過數(shù)據(jù)處理與分析形成完整數(shù)據(jù)集； 步驟2、選用多種常規(guī)機器學習算法，以步驟1得到的完整數(shù)據(jù)集中的特征參數(shù)作為輸入、完整數(shù)據(jù)集中的強化采油技術(shù)為輸出，構(gòu)建多種基于常規(guī)機器學習算法的強化采油技術(shù)智能篩選模型； 步驟3、基于步驟2構(gòu)建的多種基于常規(guī)機器學習算法的強化采油技術(shù)智能篩選模型的預測性能，利用Stacking集成學習進行融合構(gòu)建基于Stacking的強化采油技術(shù)智能篩選模型； 步驟4、基于步驟3構(gòu)建的基于Stacking的強化采油技術(shù)智能篩選模型的預測性能，通過新增元模型對Stacking進行改進，構(gòu)建基于改進Stacking的強化采油技術(shù)智能篩選集成模型； 其中，步驟3具體為：步驟3.1、利用Stacking集成學習方法，通過使用元模型將多個不同的基模型的預測結(jié)果進行集成，具體為： 步驟3.1.1、數(shù)據(jù)集劃分：將步驟1.4所劃分的訓練集作為訓練數(shù)據(jù)，使用K折交叉驗證劃分K個子集，其中K-1個子集為子訓練集，剩余一個子集作為子驗證集； 步驟3.1.2、基模型訓練：使用不同的基模型在子訓練集上進行獨立訓練； 步驟3.1.3、生成新特征：將所有基模型在子驗證集上的預測結(jié)果作為新的特征，組合成一個新的訓練數(shù)據(jù)集，將基模型在步驟1.4所劃分的測試集上的預測結(jié)果組成新的測試數(shù)據(jù)集； 步驟3.1.4、訓練元模型：將基模型的預測結(jié)果作為新的特征輸入到一個元模型中，通過擬合基模型的預測結(jié)果，以最大化整體模型的準確性，得到基于Stacking的強化采油技術(shù)智能篩選模型； 其中，基模型和元模型從步驟2構(gòu)建的多種基于常規(guī)機器學習算法的強化采油技術(shù)智能篩選模型中選取，所述基模型的選取標準為：根據(jù)基于常規(guī)機器學習算法的強化采油技術(shù)智能篩選模型的預測性能，選取能夠給元模型提供正確的特征信息，且在預測同一目標時能夠捕捉數(shù)據(jù)的不同方面的不同模型作為基模型； 所述元模型的選取標準為：根據(jù)基于常規(guī)機器學習算法的強化采油技術(shù)智能篩選模型的預測性能，選取結(jié)構(gòu)簡單且具備抗過擬合特性的模型作為元模型； 步驟3.2、通過準確率、精確度、召回率、F1分數(shù)、混淆矩陣、Kappa系數(shù)及MCC值對基于Stacking的強化采油技術(shù)智能篩選模型進行評估，并利用學習曲線對基于Stacking的強化采油技術(shù)智能篩選模型的運行過程進行分析。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人北京石油化工學院，其通訊地址為：102600 北京市大興區(qū)大興清源北路19號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。