基础研究对生物医药企业科学产出的贡献研究——单篇论文属性划分视角

基础研究是核心技术的根基,尤其对于高科技企业的发展具有重要影响。如何准确地识别并测量研究开发中的基础研究对于探究基础研究的影响与作用机制具有重要意义。本文采用一种可定量衡量单篇论文基础程度的指标“LevelScore”,以全球生物医药企业作为研究对象,量化分析了其在2015—2017年引用和发表科学论文的研究性质与规律。研究结果表明,①基础研究为大部分生物医药企业的发展提供了重要参考与支撑,然而,同时进行基础研究和应用研究需要企业具备一定的规模和实力。中小型生物医药企业更倾向于从事极端基础或者极端应用的研究,而大型企业发表论文的基础程度居中。②生物医药企业科研产出的主要知识来源是基础研究而非应用研究,其科研活动对基础研究具有极强的依赖性,同时需要一定的应用研究支持。③生物医药企业的基础研究产出依赖于基础研究型的知识投入。④应用研究型的产出同样受益于基础研究型投入的支持;反之,则较难发生。这验证了基础研究在科技发展中的先导性和奠基性作用。

可解释机器学习在油气领域人工智能中的研究进展与应用展望

人工智能作为战略性新兴产业及新质生产力正迅速地渗透入油气领域,并有望成为行业发展的新引擎和制高点。“黑盒”的机器学习模型缺乏透明度和可解释性,导致现有机器学习方法在油气领域的认可度和信任度不高,制约了以机器学习为核心的人工智能在油气田中的融合和发展。为此,系统介绍了可解释机器学习方法在油气田勘探开发过程的研究现状,阐述了机器学习模型的可解释性是促进油气领域人工智能大规模应用的关键,以及事后可解释方法在油气机器学习方法上的局限性,并对技术的应用进行了展望。研究结果表明:(1)利用Shapley加性解释(SHAP)和模型无关局部解释(LIME)等事后可解释方法进行煤层气产能主控因素实例验证,指出了可解释的油气田特征指标还不足以完全指导可解释模型的构建和分析,需要基于本质可解释思路建立符合油气田勘探开发自身特点的本质可解释机器学习方法;(2)利用机理模型、因果推断和反事实解释等本质可解释方法,分析油气田数据和模型参数之间的因果关系,构建了本质可解释机器学习方法;(3)选取典型煤层气压裂数据进行产能预测实例验证,发现因果推断能有效挖掘地质参数、施工参数和产能之间的本质关系,且基于因果关系建立的机器学习模型可以实现预测泛化性能提升。结论认为,基于事后可解释和本质可解释机器学习方法不仅是未来油气领域人工智能发展的必然趋势,而且是解决人工智能在油气领域现场落地的“瓶颈”问题及关键技术。

直觉模糊MABAC法在低渗碳酸盐岩气藏有利区优选中的应用

低渗碳酸盐岩气藏地质构造和储层特征复杂,数据获取和解释的不确定性较高,导致有利区优选的难度较大。提出了最优最劣法(BWM)赋权下的直觉模糊MABAC(多属性边界近似区域比较)法低渗碳酸盐岩有利区优选模型。首先,根据低渗碳酸盐岩地质特征、生烃能力和储气能力等信息,建立综合考虑低渗碳酸盐岩成藏的地质条件、施工条件的综合评价指标体系;然后利用BWM方法确定各关键评价指标权重,同时考虑多个因素对不同的油气田的影响并掌握因素之间的优先级关系;最后,利用直觉模糊信息替代精确信息,建立改进的直觉模糊多属性决策模型,对低渗碳酸盐岩气藏开发有利区进行优选。利用10个碳酸盐岩气藏区块进行实验,结果表明:剩余动态储量、有效储层厚度等因素表现良好的C区块为最优。对碳酸盐岩气藏开发有利区块按照整体距离的值进行降序排序,结果为:C区>I区>H区>A区>D区>G区>J区>E区>F区>B区。将提出的直觉模糊MABAC法与现有方法进行对比,并结合数值模拟结果分析,验证了该方法的有效性和合理性。

油气场站火灾爆炸风险的神经支持决策树识别与预测

为了有效防控油气场站火灾爆炸事故,从影响因素之间因果关系的角度出发,提出利用神经支持决策树(Neural-Backed Decision Tree,NBDT)算法构建油气火灾爆炸可解释预测模型。该方法利用词频逆向文件频率(Term Frequency-Inverse Document Frequency,TF-IDF)算法从风险描述信息中提取出关键词并计算权重,整合得到64个风险二级因素,构建了油气场站的火灾爆炸数据集;采用神经支持决策树算法构建分类模型,对油气场站火灾爆炸事故进行预测和可解释分析,可以基于数据可视化地分析油气火灾爆炸事故的风险与诱因。结果表明,NBDT模型预测准确率为0.976,AUC为0.913,明显优于其他模型;模型可视化结果分别从单因素和多因素角度分析,确立7种二级风险主控因素和6种二级风险组合主控因素。13种风险主控因素的确立,可以为既有油气场站火灾爆炸预测和防控机制提供理论支撑。

基于非线性搜索策略的改进灰狼优化算法及其应用

灰狼算法(GWO)在大工业复杂的优化问题求解中存在许多不足之处,如容易陷入局部最优解、收敛速度慢、最优解精度低等缺点,由此提出一种改进的灰狼优化算法.在灰狼算法的基础上,通过引入非线性参数和新的位置迭代更新方程,构建一种基于非线性策略的灰狼优化算法,并通过软件实现算法.通过8个标准测试函数在多维度下的数值对比实验和一个工程设计优化问题求解,分析验证算法的稳定性和优越性,并证明其性能均优于原有的GWO系列算法,是一种具有潜力的元启发式算法.

Risk Factors and Predictive Nomogram for Survival in Elderly Patients with Brain Glioma

Objective To determine the factors that contribute to the survival of elderly individuals diagnosed with brain glioma and develop a prognostic nomogram.Methods Data from elderly individuals(age≥65 years)histologically diagnosed with brain glioma were sourced from the Surveillance,Epidemiology,and End Results(SEER)database.The dataset was randomly divided into a training cohort and an internal validation cohort at a 6:4 ratio.Additionally,data obtained from Tangdu Hospital constituted an external validation cohort for the study.The identification of independent prognostic factors was achieved through the least absolute shrinkage and selection operator(LASSO)and multivariate Cox regression analysis,enabling the construction of a nomogram.Model performance was evaluated using C-index,ROC curves,calibration plot and decision curve analysis(DCA).Results A cohort of 20483 elderly glioma patients was selected from the SEER database.Five prognostic factors(age,marital status,histological type,stage,and treatment)were found to significantly impact overall survival(OS)and cancer-specific survival(CSS),with tumor location emerging as a sixth variable independently linked to CSS.Subsequently,nomogram models were developed to predict the probabilities of survival at 6,12,and 24 months.The assessment findings from the validation queue indicate a that the model exhibited strong performance.Conclusion Our nomograms serve as valuable prognostic tools for assessing the survival probability of elderly glioma patients.They can potentially assist in risk stratification and clinical decision-making.

单篇论著的引文扩散

引文是连接科学知识的重要线索,为我们提供了理解知识产生、交流、转化乃至创新规律的金钥匙。引文不只是静态的统计分布,同时也是处于复杂科学系统中的动态增长过程。本文将引文理解为一种扩散过程,从多个维度重新审视引文扩散过程及其基本要素、量化方式与增长机理。引文扩散体系中至少包含以下要素:时间环境、首次被引、引文高峰、最终引文数量、引文累积速度、引文生命周期、文献网络/生态系统,以及引文起飞。引文在微观结构上以引文级联为基本单元,从引文感染性与引文流行性两个维度进行扩散,有广播型与感染型两种典型扩散方式。引文扩散模式的巨大差异性源于其内在机理的作用,对于优先连接机制、老化机制与适应性机制以及创新机制与模仿机制的认识与进一步探索,将有助于对引文扩散进程的理解。对引文扩散的探讨对于科研评估、科学预测、科技政策制定等科技活动具有潜在价值。

基于聚类匹配的煤层气压裂效果主控因素识别

煤层气压裂效果与影响因素之间存在的非线性关系难以从机理层面进行系统分析,针对该问题,提出了一种基于聚类匹配的压裂效果主控因素识别方法。该方法从数据中挖掘影响因素的内在联系而非通过主观判断来分析压裂效果与影响因素之间的联系。首先,以压裂后的产气指标数据为研究对象,利用凝聚聚类方法对样本井进行分类和效果评价;其次,利用K-means聚类算法结合信息增益排序与相关性分析,对影响因素进行分类与筛选,从中选取前置液用量、携砂液用量、含气饱和度、含气量、垂直应力、支撑剂用量、破裂压力、加砂强度8个因素;最后,对筛选出的因素进行样本聚类,将聚类结果与压裂效果的评价分类结果进行聚类匹配,实现了压裂效果主控因素的识别。与其他主控因素识别方法对比,验证了该方法的有效性和可操作性。该研究可为优化二次压裂施工方案提供技术支持。

科学文献网络中的引文扩散——以2011年诺贝尔化学奖获奖论文为例

科学知识借助引用关系发生动态扩散,客观记录科学发展与演化的轨迹。由于知识之间存在千丝万缕的联系,以孤立的观点看待科学知识的影响与价值往往得到的是片面的感观。本文从联系的视角观察科学知识产出,尝试通过被引、引用、文献耦合与共被引等文献关系为单篇论著构建引文扩散网络,探讨"文献嵌入网络"的概念、测度方式及其在引文扩散过程中起到的特殊作用。案例分析显示,科学知识的形成相伴于科学知识网络的发展,同时也受到这个网络的影响:科学知识向科学领域的扩散,遵循从核心领域向周边领域的扩散模式;施引文献可以揭示目标文献中没有显式呈现的信息;四种文献关系之间可能存在相当程度的重合,引文扩散过程显示出知识的"黏滞性"与非常明显的"小世界"特征。对科学产出的扩散网络进行量化有助于为全面评价其价值提供更多客观依据。

基于声发射技术的高压电器用环氧浇注材料损伤特性研究

环氧树脂浇注材料是高压电器产品的重要基础材料,在绝缘件制造中用量很大,其损伤特性对产品设计和试验验证具有重要意义,但相关研究很少。文中采用声发射技术研究了高压电器用环氧树脂浇注材料的损伤特性,分别进行了分级保载、分级重复加载、分级保载重复加载试验研究,记录了材料在损伤过程中的声发射信号。试验分析表明,在承载状态下,材料的损伤是一个逐步发展演化的过程,大致可分为起始、发展、失稳3个阶段,发展阶段的初始负荷值约为最终破坏值的(50%~60%)。发展阶段的初始负荷值表明材料内部已经产生了不可逆的损伤,并有持续扩展趋势。这种现象应当在生产实践中引起足够重视。

基于CBFS-CV算法的煤层气井压裂效果主控因素识别

准确识别煤层气井压裂效果的主控因素,进而有效指导重复压裂方案优化,是煤层气井提升重复压裂产能的关键。依托研究区块的地质及工程大数据,利用基于Copula互信息的特征选择和交叉验证算法(CBFS-CV)识别影响压裂效果的主控因素,并结合梯度提升回归模型进行产能预测检验,形成了一种改进的煤层气井压裂效果主控因素识别算法。该算法可有效减少冗余性特征且增大相关性,并确定最佳特征数目。结果表明:煤体结构、储层参数(含气量、含气饱和度和临储比)和施工排量参数(最大施工排量)是影响研究区块压裂效果的3个主控因素,通过梯度提升回归模型验证CBFS-CV算法所识别出的主控因素的预测符合率达88%,证明了该算法的有效性。利用结果对该区块典型井进行主控因素分析,采用氮气泡沫解堵方案解决煤体结构差、煤粉堵塞等问题,现场施工后日产气量由288 m^(3)/d增至805 m^(3)/d,压裂效果明显改善。

基于Apriori关联分析的煤层气压裂效果主控因素识别

煤层气井压裂增产改造效果会受到多方面因素综合制约,如煤储层地质特征、水力压裂施工参数等,故分析各因素的显著性,明确影响煤层气井压裂效果的主控因素具有重要的研究意义。基于国内Z气田区块的压裂施工数据,利用Apriori关联规则分析法对压裂效果主控因素进行追踪,并结合灰色关联度分析,形成了一套新的压裂措施效果主控因素识别方法,同时判断出影响该区块压裂效果的8个主控因素依次为:最大施工排量>平均砂比>含气饱和度>含气量>支撑剂施工总量>压裂液施工总量>携砂液量>前置液量,在压裂设计时可基于该方法,参照关联度大小优先调节不同的主控因素以控制压裂效果,进而为现场施工提供理论依据。

机器学习在油气行业中的应用进展综述

近年来,随着深度学习的兴起,机器学习在油气领域得到了进一步深入发展。但是,由于油气行业的特殊性和复杂性,目前还没有建成适用于深度学习的训练样本库,也没有针对性的模型建立和选择方法体系。此外,深度学习方法的不可解释性,导致了学习的模型对环境的高度依赖,制约了机器学习在油气行业中的推广应用。从机器学习的发展阶段出发,介绍机器学习在油气行业各领域的应用中所涉及的重大突破及仍然存在的问题。针对油气行业中不同类型数据的处理方法、样本建立以及如何进行模型适应性分析等方面给出了建议,提出可解释机器学习在油气人工智能上的发展潜力以及研究方向。

我国农村固体废弃物资源化研究进展

农村固体废弃物污染问题严重制约着我国美丽乡村的建设与农业的可持续发展,资源化是农村固体废弃物处理处置的必然趋势。本文在明确农村固体废弃物含义及资源化意义的基础上,系统梳理了我国农村固体废弃物的种类、特点和现状,对还田改土、厌氧消化、好氧堆肥、焚烧发电的优势及应用现状进行了总结,分析了目前农村固体废弃物资源化面临的技术难题、政策问题及挑战,并提出了农村固体废弃物资源化工作开展的相关建议。

科学大数据背景下的科研协作:特征、案例与机遇——兼“科学数据驱动的科研协作”会议综述

大科学装置和大规模科学基础设施产生的科学数据促进了领域科学研究的新一轮发展,更加驱动了科学研究者之间的创新科研协作。科学数据驱动的科研协作,成为科学研究的新范式和大趋势。第六届中国科学数据大会以"科学数据与重大科研基础设置"为主题,关注科学数据管理与开放共享过程中的政策、方法、技术及基础设施建设等问题。文章以大会分论坛"科学数据驱动的科研协作"内容的梳理和总结为基础,从科学数据驱动的科研协作之机理、特征、案例、研究路径等视角进行述评,揭示了科学数据驱动的科研协作的新范式,提出了未来研究方向与机会。

引文波峰的量化与分布探究

引文是科学知识的重要连接,引文波峰反映了引文扩散过程中最具影响力的阶段。本文希望借助引文波峰分布情况来深入了解科学引文的动态扩散过程。首先明确引文波峰的定义,并构建详细的量化方法,对美国物理学会的期刊文献进行波峰识别,根据识别的波峰总结出六种引文曲线类型,最后基于文献的波峰数量、波峰位置、波峰间隔等特征探究波峰分布差异。发现大部分文献有且只有一个波峰,同时也存在两个或多个波峰的情况。文献一般在发表后初期到达首次波峰与最高峰(主要是发表后0~5 年、第1~2 年最为突出)。首次波峰的位置分布与最高峰位置分布显著正相关,高被引文献更易在发表初期达到首次波峰。

我国人文社会科学文献引文起飞分布规律探究

引文起飞是文献被广泛采纳的重要信号,引文起飞的分布规律研究对解释引文动态进程具有重要意义,为文献科学评价提供新视角。本研究以中国社会科学引文索引(Chinese Social Sciences Citation Index,CSSCI)数据库1998—2018年的引文数据为研究对象,在对引文起飞识别基础上进行统计分析、对比分析及分布模型拟合,较为全面地揭示了引文起飞分布规律。本研究发现,我国人文社会科学文献大多仅存在一次起飞现象,主要分布在发表后的0~3年,且首次被引往往伴随着引文起飞;引文起飞论文数比例分布符合指数分布规律,拟合系数β可以判断文献引文起飞分布的集中离散情况;不同学科引文起飞分布存在差异,不同被引频次的引文起飞指数分布模型进一步解释了文献被引的内在机制。引文起飞学科分布差异可为知识分类提供参考,本研究的相关结论也可为建立新的科学评价指标提供思路。

面向特定科研任务的著者姓名消歧方法

人才流动、学者评价等以学者个人为对象的研究任务,通常需要针对学术论著数据集中的著者进行姓名消歧。本文针对此类特定研究任务,提出了准确且便于学者操作的姓名消歧方法。为简便计算,弥补本地数据缺失的问题,本文构建了基于异源数据的二阶段姓名消歧框架。一阶段充分挖掘本地关联信息,二阶段结合权威的外源数据。基于表征进行本地关系发现、半模糊检索等步骤,以达到全面客观的姓名消歧,最终通过人工智能领域的论文数据和Aminer姓名消歧数据集,实现并验证该方法的优越性和普适性。经过与人工标注数据对比,该框架表现出良好的消歧效果,较好地解决了原始数据中的同名异人和同人异名问题,从而为后续研究任务奠定了扎实的基础。

南极海冰变化及其气候效应研究述评

南极海冰是全球气候系统的重要组成部分。不同于北极海冰的快速减少,近40年来,南极海冰范围在2014年前是缓慢增加、后是突变减少。单一的大尺度大气环流因素无法解释南极海冰的长期变化趋势,海洋-大气相互作用对海冰的耦合影响还未得到充分研究。受南极海冰厚度遥感观测和数值模拟能力所限,现有数据仍无法准确量化全球变化背景下南极海冰的厚度和体积变化;目前南极海冰变化的气候效应还未充分明确。当前国内外对南极海冰研究的不足迫切要求发展长期可靠的南极海冰厚度数据,以突破南极海冰体积变化研究的难题,同时应综合考虑多气候模态和海气系统耦合的作用,研究南极海冰变化的机制及其气候效应。

竞争情报视角下的中美人工智能技术领域差距分析——以美国商品管制清单为例

[目的/意义]自新中国成立以来,中美贸易摩擦时有发生,尽管我国人工智能技术领域正飞速发展,但中美人工智能技术仍存在差距,随着《中华人民共和国国家情报法》的推行,我国应更加注重国际竞争中竞争情报的作用。在人工智能大背景下的新一轮时代角逐下,通过对美国等发达国家重点管制技术的研究,可对我国相关科学技术领域的发展与战略投资提供重要参考。[方法/过程]通过量化分析美国商品管制清单中与人工智能领域相关的管制内容,探索美国重点管制以及我国亟需发展的相关科学技术领域。[结果/结论]研究发现美国主要在人工智能相关领域的基础技术研究、跨学科和协同创新以及新兴应用和创新发展三方面存在战略竞争优势。基于该发现,从竞争情报角度针对我国人工智能技术领域的未来发展分别对政府、企业和研究机构提出建议与措施。