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！

龙图腾网获悉北京科技大学申请的专利基于共享决策树多任务梯度提升机的页岩力学性质预测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：CN120690323B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202510774465.0，技术领域涉及：G16C20/30；该发明授权基于共享决策树多任务梯度提升机的页岩力学性质预测方法是由岳明;魏超冉;宋田茹;宋洪庆;宋智勇设计研发完成，并于2025-06-11向国家知识产权局提交的专利申请。

本基于共享决策树多任务梯度提升机的页岩力学性质预测方法在说明书摘要公布了：本发明涉及页岩力学性质预测技术领域，且公开了基于共享决策树多任务梯度提升机的页岩力学性质预测方法，包括以下步骤：S1、将不同区块不同储存条件下的样品数据作为数据来源，其中总有机碳含量TOC、取样深度、矿物组成、温度和压力作为特征数据，页岩的弹性模量、泊松比、抗压强度作为标签数据；并将特征和标签数据以0.7:0.2:0.1的比例随机分为训练集、验证集和测试集。该基于共享决策树多任务梯度提升机的页岩力学性质预测方法，相较于传统实验测量方法，该机器学习方法在降低测量成本的前提下，有效捕捉矿物组分、围压及温度等多源特征与页岩力学性质间的非线性关系，最终拟合精度较高且提高了预测速度。

本发明授权基于共享决策树多任务梯度提升机的页岩力学性质预测方法在权利要求书中公布了：1.基于共享决策树多任务梯度提升机的页岩力学性质预测方法，其特征在于，包括以下步骤： S1、将不同区块不同储存条件下的样品数据作为数据来源，其中总有机碳含量TOC、取样深度、矿物组成、温度和压力作为特征数据，页岩的弹性模量、泊松比、抗压强度作为标签数据； 并将特征和标签数据以0.7:0.2:0.1的比例随机分为训练集、验证集和测试集； S2、建立基于共享决策树多任务梯度提升机的页岩力学性质预测模型，通过同构异值树实现多任务预测，所有任务共享同一树结构，每棵决策树的叶节点同时存储多个任务的预测值； S3、将划分的训练集、验证集和测试集，分别用于模型训练、超参数调优和性能评估； S4、对测试集进行预测，根据输入的总有机碳含量TOC、取样深度、矿物组成、温度和压力信息，获得相应的弹性模量、泊松比和抗拉强度预测结果； 其中，所述建立基于共享决策树多任务梯度提升机的页岩力学性质预测模型包括以下步骤： 初始化学习器，取所有训练样本标签的平均值为先验预测值，用多任务残差拟合决策树； 确定最优树结构，计算每个任务的一阶梯度之和Gi和二阶梯度之和Hi，给原始梯度乘一个权重系数使得其服从均值的正态分布，得到多个任务的融合梯度，利用融合梯度最小化多任务损失函数找到最优分裂节点并建立迭代树； 赋予叶节点权重，在决策树的每个叶节点中根据不同任务之间的梯度向量的相关性计算完整的叶节点权重梯度；将新生成的决策树加入到模型中，更新模型的预测值； 确定最优树结构时，计算每个任务的一阶梯度之和Gi和二阶梯度之和Hi的公式为： 2 3 其中，li为任务i的真实值，pi为任务i的预测值。

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科技大学，其通讯地址为：100083 北京市海淀区学院路30号北京科技大学；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”。

以上内容由龙图腾AI智能生成。