Advancing Scientific Rigor: Towards a Universal Informational Criterion for Assessing Model-Phenomenon Mismatch

The escalating costs of research and development, coupled with the influx of researchers, have led to a surge in published articles across scientific disciplines. However, concerns have arisen regarding the accuracy, validity, and reproducibility of reported findings. Issues such as replication problems, fraudulent practices, and a lack of expertise in measurement theory and uncertainty analysis have raised doubts about the reliability and credibility of scientific research. Rigorous assessment practices in certain fields highlight the importance of identifying potential errors and understanding the relationship between technical parameters and research outcomes. To address these concerns, a universally applicable criterion called comparative certainty is urgently needed. This criterion, grounded in an analysis of the modeling process and information transmission, accumulation, and transformation in both theoretical and applied research, aims to evaluate the acceptable deviation between a model and the observed phenomenon. It provides a theoretically grounded framework applicable to all scientific disciplines adhering to the International System of Units (SI). Objective evaluations based on this criterion can enhance the reproducibility and reliability of scientific investigations, instilling greater confidence in published findings. Establishing this criterion would be a significant stride towards ensuring the robustness and credibility of scientific research across disciplines.

机场能见度临近预测方法

能见度是保障机场航班安全、正常运行的重要标准之一。为精准预测能见度,使用2020年天津机场气象和常规空气质量监测数据,构建基于方差膨胀因子(Variance Inflation Factor,VIF)、主成分分析(Principal Components Analysis,PCA)和Informer的能见度预测模型,并将均方根误差、平均绝对误差、平均绝对百分比误差作为评价指标进行误差分析。结果显示,VIF PCA Informer模型比单一的Informer和简单组合模型效果更优,能更好地捕捉长时间序列特征的关系。相比于单一的Informer、长短期记忆神经网络和门控循环单元模型,VIF PCA Informer模型均方根误差下降了0.2141~0.3486,平均绝对误差下降了0.1842~0.2753,平均绝对百分比误差下降了0.3224~0.5270;VIF PCA Informer模型对能见度的临近预测(1 h)更为精准。使用高效的机场能见度预测模型可在保障航班安全高效运行方面发挥较大支撑作用。

高速铁路日常客运量的EMD-Informer组合预测方法

铁路客流需求的科学预测是进行运输组织方案决策的重要依据。以高速铁路历史客票数据为基础,结合经验模态分解(empirical mode decomposition,EMD)与机器深度学习中的注意力机制,提出高速铁路日客流量的EMD-Informer组合预测方法。首先采用EMD方法分解高速铁路客流量序列,获得具有周期特征和线路客流内在特征的模态分量,再利用Informer模型分别训练和预测各模态分解分量,并通过多头注意力机制高效挖掘客流数据内在规律和捕捉数据序列中的关键特征,在此基础上重组各分量预测值,从而得到高速铁路日常客流的整体高精度预测值。同时,根据结合问题特征的大量实验,明确可供实际运用参考的超参数设置规则。基于京沪高速铁路全线的实例计算分析表明,相对对比预测方法,EMD-Informer组合预测方法在高速铁路客流的单步预测及超前预测上均具有明显更小的预测误差。

基于STL-Informer-BiLSTM-XGB模型的供热负荷预测

供热负荷预测是指导供热系统调控的重要手段。提高供热负荷预测精度十分重要,针对机器学习中输出目标的分解预测,提出了一种基于季节和趋势分解(seasonal and trend decomposition using loess,STL)的供热负荷预测方法,构建了适用于供热负荷预测的输出目标。首先利用STL算法将供热负荷时间序列数据分解为趋势分量、周期分量和残差分量,分别训练Informer、BiLSTM和XGB模型,将构建好的3个分量预测模型的输出叠加作为初步预测结果,分析误差序列,以BiLSTM预测误差提高模型精度,构建出STL-Informer-BiLSTM-XGB预测模型。将上述模型与常用预测模型进行对比,结果表明所构建的STL-Informer-BiLSTM-XGB模型的MAPE、MAE和MSE分别为0.871%、96.18和13202.2,预测效果最优,验证了所提出的方法具有较高的供热负荷预测精度。

基于集成学习与深度学习的洪水径流预报研究

深度学习模型凭借其对水文因素间复杂作用的优秀处理能力,在水文预报领域得到了一定的应用,然而,针对集成学习与深度学习耦合模型的研究仍有所缺失。通过融合集成学习AdaBoost算法与深度学习Informer模型,提出了一种组合模型,称为AdaBoost-Informer模型,以提高洪水径流预报的精度。该模型以历史雨量和径流数据作为数据输入,将具备长时序依赖捕获能力的Informer作为集成学习的弱预测器,使用网格搜索法进行超参数调优,使用AdaBoost集成学习算法对弱预测器进行加权组合得到强预测器。在浙江省椒江流域的应用分析表明:对比Random Forest、AdaBoost、Transformer、Informer等模型,AdaBoost-Informer模型表现最佳,RMSE为62.08 m^(3)/s,MAE为23.83 m^(3)/s,NSE为0.980,预报合格率为100%。所提模型可有效提高洪水预报精度,为防汛抢险和防洪系统调度提供决策依据。

TimeGAN-Informer长时机场能见度预测

能见度的预测对机场的业务决策、保障飞机的安全起降具有重要的意义。针对现有能见度预测模型预测时间较短的问题,提出一种基于TimeGAN Informer(Time Generative Adversarial Network-Informer)的机场能见度预测方法。利用2018—2022年气象和污染物数据,通过相关系数法和递归特征消除法提取出能见度的主要影响因素,使用TimeGAN时间序列生成对抗网络对数据进行扩充,并将Informer长时间序列预测模型应用于能见度预测。结果显示:当预测步长为1 d、2 d、3 d时,TimeGAN Informer的绝对误差(Mean Absolute Error,MAE)分别为2.42、3.13、3.57,比Informer分别降低了0.29、0.27、0.28,比长短时记忆网络(Long Short-Term Memory,LSTM)分别降低了0.28、0.49、0.63;均方根误差(Root Mean Square Error,RMSE)分别为3.03、3.7、4.09,比Informer分别降低了0.38、0.22、0.24,比长短时记忆网络(LSTM)分别降低了0.3、0.5、1.04;百分误差小于30%的分别占测试样本集的78.07%、70.68%、63.84%。尽管随着步长的增加预测效果变差,但在预测步长为3 d时,多数样本的预测误差仍小于30%,实现了对机场区域较为准确的长时能见度预测。

信息资源管理学科视角下的数据要素研究

[目的/意义]数字经济背景下,信息资源管理学科需要进一步融入到数据要素化市场建设之中,积极建构新的学术增长点。[研究设计/方法]首先分析信息资源管理学科与数据要素的关联逻辑以及学科的角色建构问题,而后介绍信息资源管理学科视域下的若干核心议题,最后对两者融合的未来发展提出思考。[结论/发现]数据要素研究是信息资源管理学科的新领域和新方向,应充分发挥学科特色和优势,有组织地推进数据要素研究与实践。[创新/价值]从信息资源管理学科视域思考数据要素研究,为进一步扩大学科研究视野、拓展学科研究空间提供启示,为数据要素化与数字经济发展中的学科话语建构提供参考。

基于暗数据视角对情报学的反思

[目的/意义]引入暗数据概念,对情报学现有观念、理论等做出新的诠释。[方法/过程]首先,梳理文献,辨析概念,提出广义的暗数据概念;然后,从暗数据视角对情报的本质、情报活动的目的和情报的社会功能等做出新的阐释。[结果/结论]暗数据是指潜藏在人们的认知之外,且对社会生活产生重要影响的数据。从暗数据视角反思情报学,可获得一些新的认识:确定性不是情报的本质特征,不确定性才是情报的根本属性;情报活动的目的,不在于揭示事物的规律及基于规律的预测,而是最大限度地减少事物的不确定性;情报的社会功能不宜定位于服务决策或成为决策的参谋,而是辅助或影响决策。

分行业信息披露与分析师预测——基于行业信息披露指引发布的证据

利用沪深交易所分批次发布的行业信息披露指引作为准实验场景,考察分行业信息披露对分析师预测的影响。研究发现:分行业信息披露显著提高了分析师盈余预测准确度,降低了乐观度与分歧度,且该结论在经过异质性处理效应检验、平衡趋势检验、安慰剂检验、更换核心变量测量方法等一系列稳健性测试后仍然成立。作用机制检验结果表明,行业信息可比性是分行业信息披露影响分析师预测的主要渠道。异质性分析显示,当行业信息敏感性较高、分析师行业专长水平较低、分析师信息获取成本和处理成本较高时,分行业信息披露对分析师预测的积极影响更明显。进一步研究表明,分行业信息披露显著增加了分析师可以获得的公共信息。

基于KCR-Informer的长期风电功率预测研究

准确的长期风电功率预测对电网系统稳定运行至关重要,传统预测方法在处理长序列预测时效果并不理想,近期研究表明Informer模型在长序列预测领域取得良好效果。然而,该模型在捕捉数据的局部特征以及处理网络层数堆叠问题上还有待改进。文章提出一种基于卡尔曼滤波器-卷积神经网络-残差网络-Informer(Kalman filter-convolutional neural network-residual network-informer,KCR-Informer)模型的长期风电功率预测方法,首先分析气象数据对风电功率的影响,使用卡尔曼滤波器对风电气象数据进行数据平滑处理,以减轻噪声对数据的影响,然后基于Informer模型建立风电功率预测模型,根据气象数据以及历史功率数据进行长期功率预测;在此基础上,引入卷积神经网络和残差连接模块,使模型能够更好的捕捉到局部特征,同时加快模型收敛,解决模型网络退化问题。算例的结果表明,与长短期记忆网络(long short-term memory,LSTM)算法、Transformer算法、Informer算法相比,文章方法在不同预测步长下的平均绝对误差(mean absolute error,MAE)降低5.7%~30%,均方误差(mean square error,MSE)降低8.3%~35%,长期风功率预测的精度得到提升,验证了模型的有效性。

基于信息觅食理论的消费者在线评论搜索行为研究

[目的/意义]本研究旨在从信息觅食理论出发,分析点评类软件消费者在线评论搜索行为的内在机理。[方法/过程]以信息觅食理论为基础,围绕信息线索、斑块模型和菜单模型构建了消费者在线评论搜索行为模型。采用问卷调查法收集352份有效样本数据,并利用结构方程模型对理论模型进行分析与检验。[结果/结论]评论内容质量、评论丰富性、评论效价以及评论者资信度4类信息线索均会正向显著影响消费者斑块收益感知,进而正向影响消费者在线评论搜索行为。此外,评论效价也会直接正向显著影响消费者在线评论搜索行为。本研究在理论层面深入揭示了消费者在线评论搜索行为的内在机理,延伸了信息觅食理论的研究情境与边界;在实践层面为点评类软件的功能优化及引导消费者有效搜索在线评论提供了相关建议。

基于时间序列的发电机设备异常分析

为提高发电机组设备运行维护管理水平,提出一种基于PCA-Informer方法的发电设备故障预测技术。首先使用主成分分析(PCA)算法降低时间序列数据的特征维度;其次将数据分批次输入Encoder中,由Encoder执行蒸馏操作,提取长时间序列输入间的Long-Range依赖,通过蒸馏操作为重要特征赋予更高的权重,并在下一层生成聚焦的Self-Attention Feature Map;最后由Decoder通过一个正向过程一步生成长序列输出。通过实验验证,该方法能够有效地对发电设备的故障进行预测。

AIGC背景下高校信息素养教育的发展

以ChatGPT为代表的生成式人工智能模型(AIGC)的出现预示着人工智能新时代的来临,人们的信息行为将因之而改变。这种背景下,高等学校信息素养教育也将面临内容框架与教学模式的重塑。文章对国内外AIGC背景下的信息素养教育相关研究与教学实践进行了综述,分析了AIGC的优势与局限以及由此给信息素养教育带来的机遇与挑战,从教学内容的拓展与教学模式的转变两个维度提出了信息素养教育发展的新思路。

科技情报智慧数据:方法、体系与应用

[目的/意义]分析智慧数据建设现状,认识人工智能时代科技情报智慧数据建设的方法与框架。[方法/过程]界定科技情报智慧数据的概念内涵,提出“明确定位与价值、数据架构体系、建设知识语料、数据质量控制、嵌入业务流程的协同建设模式、数据权益约束及安全分级”7个方面的建设原则,设计“技术与功能逻辑、数据分类组织、数据建设流程、数据协同加工工具、运营服务策略”体系框架,拓展智慧数据的示范应用。[结果/结论]通过研发具有“收、存、治、管、用”一体化的科情数据平台,建立了覆盖“情报动态、科研成果、创新活动、创新主体及多类功能型知识实体”等类型的科技情报智慧数据中心,并在“科技人才自动发现、重大科技问题的自动生成以及语义查重查新”等场景中开展应用。

从社会实践到个人信息世界——基于“实践—经验—心灵”交互性的信息分化理论框架

本文阐释了作者根据其主持的数项国家自然科学基金课题的研究结果而提出的、旨在解释社会成员之间信息分化成因的整体性理论框架。该理论采纳、发展或提出了实践、实践的信息环境、信息获取、信息活动、信息经验效应、心灵状态、个人信息世界等概念,并通过这些概念间的关系解释了信息分化(特别是其中的信息获取差异)的发生。本研究比较了该理论与以往信息分化理论的区别,同时针对老年人的数字化落伍现象展示了该理论框架的解释力优势。

医学生信息素养提升的策略探讨

医学领域的快速发展和信息技术的广泛应用给医学生的信息素养提出了新的要求。本文通过对教育模式和课程设计、图书馆和信息资源、科研能力培养、学术道德和知识产权、跨学科合作和团队合作等方面的综合分析,发现问题为导向的教育模式可激发学生的学习兴趣和主动性,培养学生的批判性思维和信息评估能力。同时制定一系列相关措施,以期提高医学生的信息素养水平。

创新对企业MD&A叙述性信息披露策略的影响

研发和创新具有投入高、周期长和不确定性高的特征,这使得高创新企业面临较低的透明度和较高的专有成本。一方面为了满足投资者决策需要,防止信息不对称所导致的价值低估,企业有动机提供更多信息;另一方面创新所伴有的专有成本,又使得企业存在专有信息被现有和潜在竞争对手获取的顾虑,从而选择提供模糊信息的披露策略。本文利用2001—2019年A股上市公司数据,检验了企业创新对MD&A叙述性信息披露策略的影响。研究结果表明,随着企业创新的增加,企业叙述性信息披露的信息含量上升(文本相似度显著下降),但是披露的信息质量下降(文本可读性显著降低)。该结果说明管理层既希望向投资者传递更多信息,又担心来自竞争对手的威胁,即管理层会选择释放更多的叙述性信息并模糊表达。上述结果存在于行业竞争更激烈、融资约束程度较高和高管持股比例较高的情况下。本文结论对知识产权信息披露与管理层披露策略选择具有一定的借鉴意义。

基于多域物理信息神经网络的复合地层隧道掘进地表沉降预测

复合地层中盾构掘进诱发地表沉降的准确预测是隧道工程安全建设与施工决策的关键问题。基于隧道施工诱发地层变形机制构建隧道收敛变形与掘进位置的联系,并将其耦合至深度神经网络(deep neural network,简称DNN)框架,建立了预测盾构掘进诱发地层变形的物理信息神经网络(physics-informed neural network,简称PINN)模型。针对隧道上覆多个地层的地质特征,提出了多域物理信息神经网络(multi-physics-informed neural network,简称MPINN)模型,实现了在统一的框架内对不同地层的物理信息分区域表达。结果表明:MPINN模型高度还原了有限差分法的计算结果,可以准确预测复合地层中隧道开挖诱发的地表沉降;由于融入了物理机制,MPINN模型对隧道施工诱发地表沉降的问题具有普适性,可应用于不同地质和几何条件下隧道诱发地表沉降的预测;基于工程实测数据,提出的MPINN模型准确预测了监测断面的地表沉降曲线,可为复合地层下盾构掘进过程中地表沉降的预测预警提供参考。

信息系统辅助抗肿瘤药物处方审核分析

目的 分析信息系统辅助抗肿瘤药物处方及医嘱审核的问题,针对性完善审核规则,为提高抗肿瘤药物处方审核的质量提供参考。方法 收集四川省肿瘤医院2020—2022年信息系统辅助抗肿瘤药物处方及医嘱审核的问题,数据来源于医院美康合理用药监测系统(PASS),由临床药师对相关问题进行点评,对点评结果及相关问题进行分析。结果 共收集抗肿瘤药物处方审核问题9 325条,其中门诊处方6 279条(67.3%),住院医嘱3 046条(32.7%);适应证不适宜6 153条(66.0%),药物禁忌证1 933条(20.7%),给药途径不适宜449条(4.8%),药品配伍不适宜345条(3.7%),用药频次不适宜177条(1.9%),用药人群不适宜133条(1.4%),单次剂量不适宜74条(0.8%),药物相互作用不适宜39条(0.4%),药品总量不适宜22条(0.2%)。临床药师点评结果为合理的4 459条,假阳性率为47.8%,假阳性问题包括:适应证不适宜2 264条(50.8%),药物禁忌证1 933条(43.3%),给药途径不适宜231条(5.2%),用药人群不适宜31条(0.7%)。结论 信息系统辅助抗肿瘤药物处方审核可有效拦截不合理用药问题,提升处方和医嘱的审核质量,但抗肿瘤药物循证医学证据更新快,药师应结合最新的循证医学证据,不断维护和完善审方规则。

供应商企业社会责任信息披露与客户稳定性

稳定的供应链关系对于经济安全平稳运行以及高质量发展意义重大,本文基于供应链关系视角考察了供应商的企业社会责任信息披露对客户稳定性的影响及其作用机理。实证结果发现:供应商企业社会责任信息披露质量与客户稳定性显著正相关,并且该影响在自愿性披露和民营企业样本中更加明显。机制检验表明,供应商企业社会责任信息披露主要通过提升信息透明度及改善公司治理来增强客户稳定性。本文将企业社会责任信息披露的经济后果拓展至供应链关系上,研究结论对供应商企业如何维护客户稳定性促进企业高质量发展具有一定启示意义。