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！

龙图腾网获悉上海大学;云南锡业集团(控股)有限责任公司研发中心申请的专利一种集成模型快速预测锡基焊料合金蠕变应力指数的方法及系统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：CN115132293B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202210617757.X，技术领域涉及：G16C20/30；该发明授权一种集成模型快速预测锡基焊料合金蠕变应力指数的方法及系统是由周娴;陈慧敏;李敏杰;陆文聪;董自强;陈悠扬;彭巨擘;蔡珊珊;罗晓斌;刘晨;王加俊设计研发完成，并于2022-06-01向国家知识产权局提交的专利申请。

本一种集成模型快速预测锡基焊料合金蠕变应力指数的方法及系统在说明书摘要公布了：本发明公开了一种集成模型快速预测锡基焊料合金蠕变应力指数的方法及系统，从文献中收集锡基焊料合金的元素组成、测试温度和蠕变应力指数数值，并添加实验数据，作为数据集样本；整理出锡基焊料合金的元素组成和测试温度，用作建模的特征；将数据集以4:1的比例随机划分为训练集与测试集；以收集的锡基焊料合金的蠕变应力指数数值作为目标变量，以构建的特征为自变量，基于划分出的训练集，对自变量使用RobustScaler缩放数据，训练三个学习器并集成得到R‑X‑L集成模型；利用R‑X‑L集成模型快速预报测试集样本及4个独立实验样本的蠕变应力指数。本发明基于可靠文献数据和建模方法，所建锡基焊料合金蠕变应力指数的预报模型具有简便快捷、低成本、无污染等优点。

本发明授权一种集成模型快速预测锡基焊料合金蠕变应力指数的方法及系统在权利要求书中公布了：1.一种集成模型快速预测锡基焊料合金蠕变应力指数的方法，其特征在于，包括以下步骤： 1从文献中收集锡基焊料合金的元素组成、测试温度和蠕变应力指数数值，并添加新的相关实验数据，作为数据集样本； 2整理出锡基焊料合金的元素组成和测试温度数据，用作建模的特征； 3将数据集以4:1的比例随机划分为训练集与测试集； 4以所述步骤1中收集的锡基焊料合金的蠕变应力指数数值作为目标变量，以在所述步骤2中的特征为自变量，基于在所述步骤3中划分出的训练集，对自变量使用RobustScaler缩放数据，训练三个学习器，并集成得到R-X-L集成模型； 5利用在所述步骤4建立的R-X-L集成模型，快速预报在所述步骤3中的测试集样本及4个独立实验样本的蠕变应力指数； 在所述步骤4中，训练R-X-L集成模型的具体步骤如下： 4-1利用Bootstrap重抽样方法，从总体训练样本集S中随机抽取多个子样本，在利用每个进行模型训练时，随机选取若干个属性值进行节点分裂，最大限度地生成多个回归树且无需进行剪枝，最终形成一个多元非线性回归组合的学习器1； 4-2在损失函数基础上考虑了树模型复杂度的限制，将损失函数和复杂度合称为目标函数；第m棵决策树的目标函数可写为： ；其中，为第i个样本的观测值，，N表示数据集的样本个数，是该样本的前m棵决策树的预测值，x为该样本的输入值，l是该样本由损失函数计算得到的观测值和预测值的偏差；目标函数第一项为原先第m棵决策树的损失函数，第二项为第m棵决策树的模型复杂度，可平滑学习权重以避免过拟合，其中T为叶节点数、为叶节点权重，表示该叶子结点内样本的预测值，γ与λ为超参数； 在原始决策树的基础上不断添加决策树，直至目标函数最小，停止迭代训练，从而得到学习器2； 4-3给定数据集，其中为输入空间中的维数为s的向量；在梯度提升的每一迭代中，模型输出的损失函数的负梯度记为；将训练样本按其梯度的绝对值降序排列，前a%具有较大梯度的样本作为子集A，剩余1-a%的小梯度样本作为子集，并从中随机选取b%的样本作为子集B； 计算上的方差增益，选取来分割样本节点； 选定相应的样本节点并决定相应的输出值；重复上述步骤，直至达到拟合精度阈值或达到树棵数的上限，最终获得学习器3； 4-4将上述步骤4-1、4-2和4-3得到的三个学习器进行集成，得到R-X-L集成模型。

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上海大学;云南锡业集团(控股)有限责任公司研发中心，其通讯地址为：200444 上海市宝山区上大路99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”。

以上内容由龙图腾AI智能生成。