基于CiteSpace可视化分析软测量的应用趋势

摘 要：随着科学技术的发展，软测量技术在各个领域都得到了广泛的运用。为了深入了解软测量领域的研究现状和发展趋势，文章利用CiteSpace工具对软测量领域的文献进行了可视化分析。通过分析近20年来的文献数据，揭示了软测量研究的主要热点、核心文献以及最具影响力的研究团队和作者。此外，还识别处理该领域的多个关键主题和它们之间的联系。研究为相关研究者提供了一个全面、系统的软测量研究的概览，有助于推动该领域的进一步发展。

关键词：CiteSpace；软测量；可视化分析；文献计量学

中图分类号：TP391 文献标识码：A 文章编号：2096-4706（2024）17-0155-05

0 引 言

随着现代工业和技术的快速发展，实时、准确的测量技术成为众多领域的必备。软测量，作为一种基于模型的测量技术，为我们提供了一种在传统硬测量设备无法直接获得数据的情况下进行预测和估计的方法。它利用已知的、可测量的变量来预测那些不易测量的变量。软测量技术的发展不仅弥补了传统硬测量设备无法获得数据的局限，而且为各个领域提供了实时、准确的测量方法。通过利用已知的可测量变量来预测难以直接测量的参数，软测量技术为工业和科学领域带来了更加灵活和有效的解决方案。

在许多工业场景中，直接测量某些关键参数可能由于种种原因变得困难或不切实际。这些原因可能包括：直接测量的成本过高，传统的硬件测量设备可能对环境有侵入性或会干扰生产过程，有些参数可能在物理上难以直接测量。在这些情况下，软测量技术提供了一种解决方案。软测量并不直接测量目标参数，而是利用从相关过程中获得的其他可测量变量（即辅助变量）来建立模型，从而估算这些难以直接测量的关键参数。例如，在化工生产线中，直接测量某些化学品的浓度可能需要昂贵的设备和复杂的手续，但通过软测量技术，可以使用其他容易获得的参数，如温度、压力和流量等，通过模型计算出目标化学品的浓度。这种技术的核心是通过数据驱动的方法或基于先验知识的模型方法来建立模型。一般的策略有神经网络、回归研究和支持向量机等。除了估算难以测量的参数外，软测量还可用于以下三个方面：

1）故障检测。当系统的某些部分出现异常时，软测量技术可以提前发出警告。

2）过程控制。在自动化系统中，软测量技术可以帮助调整控制参数以优化生产过程。

3）趋势预测。软测量技术也可以用于预测系统的未来行为，从而帮助运营商做出决策。

总之，软测量技术为工业领域提供了一种强大的工具，可以帮助企业提高效率、降低成本并增加生产的可靠性。

过去的几十年里，软测量技术在化工、生物医学、金融等领域都得到了广泛的应用和研究。然而，鉴于技术的快速进步和研究领域的日益扩展，对软测量应用和研究趋势的系统分析和理解显得尤为重要。

由美国Drexel University的陈超美团队开发的CiteSpace可视化分析软件，可以通过分析文献信息的测度和相似性形成可视化知识图谱，快速梳理某一学科领域的文献[1]，作为一种知识图谱分析工具，提供了在大量文献中快速识别研究热点和趋势的能力。通过可视化技术，CiteSpace使研究者能够更直观地看到领域内的主要研究方向、核心文献和最具影响力的研究团队。

随着现代工业和技术的快速发展，实时、准确的测量技术成为众多领域的必备。传统的硬测量设备可能面临成本高昂、环境侵入性以及难以直接测量的挑战。软测量技术则以基于模型的方法，利用已知的、可测量的变量来预测那些难以直接测量的参数，从而成为解决方案。在化工生产线等场景中，软测量技术通过建立模型，利用诸如温度、压力和流量等易获得的参数，预测目标参数的值。此外，软测量技术还可用于故障检测、过程控制和趋势预测。尤其是在自动化系统中，软测量技术可以帮助优化生产过程，提高效率并降低成本。随着软测量技术的不断发展，对其应用和研究趋势进行系统分析和理解显得尤为重要。

1 数据采集与分析

中国知网（CNKI）是一个大规模的、涵盖多个领域的、关键期刊的引用文献索引数据库，是世界领先的科学引文搜索和分析平台，是一直被用于学者查找引文或进行引文分析的起点和重要工具。索引方法主要有直接检索、追溯检索和循环检索3类[2]，鉴于此，本文采用CiteSpace 6.1.R6软件对软测量领域文献数据的发文量、作者及研究热点进行可视化分析，数据来源为中国知网期刊论文，数据检索时间为2003—2023年，搜索关键词“软测量”，检索到822篇，经过文献梳理和筛选，剔除会议论文、投稿信息、期刊标题、年度报告等[3-4]，最终确定574篇文献为本文研究对象。

2 结果分析

2.1 发文量统计

为分析软测量领域研究历程，对近20年发文数量进行图谱的可视化分析，生成软测量领域年度发文量图，如图1所示，大致可以分为零星分布与迅速增长2个阶段。观察数据发现，早期2003—2011年期间文章发表占总体发文量的58.7%，2003—2011年总体呈波浪上升的趋势。从整体来看，近些年来，这个学术领域的论文数量依然在稳步增加，并且这个增长趋势是持续的，这也是当前的研究焦点。这种持续增长的趋势可能反映了软测量技术在工业和科学研究中的不断应用和发展，以及学术界对于软测量领域的日益重视。随着现代工业和技术的迅速发展，人们对于实时、准确测量技术的需求不断增加，而软测量作为一种有效的解决方案，逐渐受到关注。此外，随着计算机科学和人工智能等领域的发展，对软测量技术的研究也得到了进一步推动，促使了软测量领域的持续增长和发展。因此，对软测量领域发文数量的分析不仅反映了学术界对该领域的兴趣，也揭示了软测量技术在实践应用和理论研究中的广泛应用前景。

2.2 作者合作网络分析

使用CiteSpace 6.1.R6创建了作者共现图，如图2所示。节点的数量代表了作者的数量，而各个节点的连线则表示作者之间的联系和合作。连线的数量越多，表明他们之间的合作关系越紧密[5]。根据图2能够观察到，网络节点的总数已达527个，相关的链路为576条，并且，所有链路的密集程度为0.004 2。这说明孙玉坤、嵇小辅、黄永红、乔俊飞等人组成的团队之间有着某种程度的合作关系。另一方面，也存在一些分散的协作作者，而且，也存在一些独立的个体，这表示这位作者并未与其他作者一起协作，而是保持了自主的研究。因此，我们能看出，软测量的研究拥有一支较大数量的合作团队。这些合作团队的存在表明软测量领域的研究具有较强的团队合作性，这有助于促进知识交流、加速研究进展，并推动该领域的发展和创新。此外，分散的协作作者和独立的个体也为软测量领域的多样化提供了新的视角和思路。通过对作者共现图的分析，可以更全面地了解软测量领域内部的合作关系和研究格局，为未来的合作与研究方向提供重要的参考。

2.3 研究热点分析

2.3.1 研究热点演变时间图片

关键词聚类时间线图谱能很好地表示出文献的历史跨度，如图3所示，以及不同关键词在不同年份的关联程度，能清晰直观地反映相关领域研究热点的演变情况[6]。借助CiteSpace电脑软件可以导入与软测量研究相关的文献，这样可以帮助我们识别并整理不同时期的软测量研究主题。透过对关键词的共现分析等进行综合解读，我们可以确定该领域的研究重心。关键词共现是多篇文献共同出现的关键词[7]，通过对文献的关键词的出现次数进行统计以及对关键词共现分析的深入剖析，我们可以对当前的研究焦点进行总结，指明研究方向[8]，边的数量代表了各个关键词的连接数，连接数增加，线条会变得更加粗壮。像是专家系统、预测、评估这样的关键词，它们在研究资料里和其他的关键词有着密切的联系。各个节点扩展出来的各种颜色，都是和这个关键词所处的时期、年份的颜色相对应[9]，如图4所示的关键词共现图谱结果揭示了共现网络的节点总数达到478个，并且有1 092条相连的线路，同时，网络的密度达到了0.009 6。

关键词的聚类分析是一种用于构造分类的多样化的统计学方式，它能根据变量的属性对文献进行分类，从而让相同的集群拥有更强的相似度，但在各个集群之间则存在更大的差异，早期的核心词汇相对稀缺，这既受到全球人工智能理论的核心探索以及认知理论模式的限制，同时也被硬件、软件、数据等先进科学工具所制约。在2016年，谷歌的Alpha Go成功击败全球顶尖的围棋选手，标志着“人工智能60周年”的重要转折，这也引发了相关的研究成果大幅度提升。2011年前后处于研究的急速增长极端，核心词大多集中在神经网络、动态建模、遗传算法、主元分析、即时学习等专业基础性词汇。综合来看，近些年来，对于软测量的应用研究的关注度和数目虽正在逐步下降，但是，其核心仍然是对于软测量研究手段的创新和有效性。

2.3.2 关键词突现分析

突现词是指在某段时期内相关研究领域突然增加的关键词，共现词源于文献计量分析中的耦合分析。综合关键词突现分析与共现分析，可以提取出相关领域具有突出推动作用的技术、理论和方法等研究热点及其演变[10]。利用对关键词的突现情况进行分析，我们能够掌握在一段特殊的期限里，该项研究的发展动向或者是突如其来的学术潮流与研究焦点。关键词聚类图谱如图5所示，关键词突发图如图6所示。在2004—2010年间，神经网络、泛化能力、核函数、遗传算法、建模、混合建模成为该领域的研究热点，2014—2023年间研究趋势发生改变，研究者趋于集成学习、即时学习，2017年以来，深度学习的探索已经转变为主要的研究领域。由关键词突发图可以看出软测量在未来的研究重点可能仍是这三种研究方向。

3 结 论

文章总结了软测量研究的以下几方面内容：

1）研究趋势。早期的软测量研究主要集中在神经网络、动态建模、遗传算法和主元分析等基础性词汇上。而近年来，随着技术的进步，研究者更多地转向集成学习、即时学习和深度学习，这预示着软测量技术将与先进的机器学习技术更加紧密地结合。

2）实际应用。在众多工业领域，尤其是那些难以直接测量的关键参数的场景中，软测量技术已经证明了其无可替代的价值。这不仅优化了生产流程，降低了成本，而且提高了生产的可靠性和准确性。

3）技术融合。随着新技术，尤其是人工智能和大数据的发展，软测量技术有望进一步与这些领域融合，为工业生产带来更多的创新。

4）应用广泛化。除了现有的应用领域，软测量技术还有望被应用到更多新领域中，如医疗健康、环境监测和金融等。

5）挑战与机遇。软测量技术在处理更复杂、更大规模的数据时面临着挑战，但同时也为研究者和工程师提供了研究和创新的机会。

6）跨学科合作。为了进一步推动软测量技术的发展，促进其在各个领域的应用，跨学科的合作将变得越来越重要，如软测量与控制工程、软件工程、生物信息学等领域的结合。

软测量技术的发展将为工业界带来更高效的生产流程和更准确的数据预测，同时也将为学术界带来更多创新研究的机会。其在多个领域的应用前景使得持续深入的研究和探索具有重要意义，有望推动其在未来的广泛应用和进一步发展。综上所述，软测量技术具有巨大的潜力，对于工业界和学术界的应用前景有着深入的探索和研究价值。

参考文献：

[1] 刘连华，欧阳威，何孟常，等.基于文献计量的锑对农作物影响研究趋势 [J].中国环境科学，2022，42（10）：4798-4806.

[2] 王薇，张蕾.基于CiteSpace的城市环境中细颗粒物研究进展的可视化分析 [J].生态环境学报，2021，30（6）：1321-1332

[3] 靳诚，陆玉麒.我国生态产品价值实现研究的回顾与展望 [J].经济地理，2021，41（10）：207-213.

[4] 董俐.基于生态系统生产总值的区域生态补偿空间选择研究 [D].杭州：浙江大学，2021.

[5] CHEN C M. CiteSpace Ⅱ： Detecting and Visualizing Emerging Trends and Transient Patterns in Scientific Literature [J].Journal of the American Society for Information Science and Technology，2005，57（3）：359-377.

[6] 郑翔天，关思萍，任红鸽，等.知识图谱在构建东北土地环境研究知识谱系中的应用 [J].地球信息科学学报，2021，23（6）：1002-1016.

[7] 崔庆宏，王广斌，刘潇，等.2008—2017年国内BIM技术研究热点与演进趋势 [J].科技管理研究，2019，39（4）：197-205.

[8] 何灵玲，张友，彭汉发，等.BIM在地下空间领域的研究热点与发展趋势 [J].地下空间与工程学报，2022，18（S1）：14-25+35.

[9] 刘新怡，姜仁贵，朱记伟，等.基于文献计量学的智能建造研究可视化知识图谱分析 [J].建筑经济，2022，43（S1）：821-825.

[10] 陈悦，陈超美，刘则渊，等.CiteSpace知识图谱的方法论功能 [J].科学学研究，2015，33（2）：242-253.

作者简介：张子默（1996.09—），男，汉族，安徽蚌埠人，硕士在读，研究方向：人工智能及应用。

收稿日期：2024-02-29

DOI：10.19850/j.cnki.2096-4706.2024.17.030

Application Trends of Soft Sensing Visual Analysis Based on CiteSpace

ZHANG Zimo， CUI Delong

（Electronic Information Engineering College， Guangdong University of Petrochemical Technology， Maoming 525000， China）

Abstract： With the development of science and technology， soft measurement technology are used widely in a variety of areas. To gain a deep comprehension of the present research status and development trend in soft measurement field， this paper uses the CiteSpace tool to carry out literature visual analysis in soft measurement field. By analyzing literature data from the past 20 years， this paper reveals the main hotspots， core literature， as well as the most influential research teams and authors in soft measurement research. In addition， it also identifies and processes multiple key themes in the field and their connections. This research provides a comprehensive and systematic overview of soft measurement research for relevant researchers， which helps to promote further development in this field.

Keywords： CiteSpace; soft sensing; visual analysis; bibliometrics