溴化锂溶液因其优异的吸湿特性和较低的蒸汽压，被广泛应用于吸收式制冷和储能系统中，其传热与 流动性能直接受粘度与导热系数影响。传统经验公式在预测这两类热物性时往往精度有限，难以满足现代高效 能源系统的精细化设计需求。本文提出了一种基于梯度提升树（Gradient Boosting Decision Tree, GBDT）的高精 度预测模型，利用实验数据与多维输入特征构建粘度与导热系数预测框架。在模型训练与交叉验证过程中， GBDT 展现出对非线性关系的优异拟合能力，预测精度显著高于传统回归方法。研究结果表明，基于 GBDT 的 建模方法不仅能有效提升预测精度，还能通过特征重要性分析揭示温度、溶液浓度等关键因子的作用机制。本 文的工作为吸收式制冷系统性能优化与溴化锂应用拓展提供了理论支撑和技术参考。