专利技术系统演化的技术熵测度模型与实证研究 *

doi:10.11925/infotech.2096-3467.2018.0904

专利技术系统演化的技术熵测度模型与实证研究 ^*

侯剑华^,^,¹^,³, 刘盼²^,³

¹中山大学资讯管理学院广州 510006

²大连大学经济管理学院大连 116622

³辽宁省跨境电商与数据科学重点实验室大连 116622

Measuring Tech-Entropy of System Evolution: An Empirical Study of Patents

Hou Jianhua^,^,¹^,³, Liu Pan²^,³

¹School of Information Management, Sun Yat-Sen University, Guangzhou 510006, China

²School of Economics and Management, Dalian University, Dalian 116622, China

³Key Laboratory of Cross Border Electricity and Data Science in Liaoning Province, Dalian 116622, China

通讯作者: 侯剑华, ORCID:0000-0001-7080-7131, E-mail:houjh5@mail.sysu.edu.cn。

收稿日期: 2018-08-25 修回日期: 2019-01-21 网络出版日期: 2019-08-25

基金资助:

*本文系国家社会科学基金一般项目“‘基于科学的创新’驱动新兴技术生成的机理及其促进政策研究”的研究成果之一. 17BGL031

Received: 2018-08-25 Revised: 2019-01-21 Online: 2019-08-25

摘要

【目的】利用改进后的技术熵方法, 对技术系统生命周期演化的发展阶段进行测度分析, 为企业技术发展预测与政府进一步决策提供理论依据。【方法】在专利技术系统中, 构建以信息熵为基础, 综合多变量指标的技术熵测度模型。【结果】对中国碳捕集技术进行实证分析, 其经历了技术引入、缓慢成长、快速成长等阶段, 目前处于技术生命周期的快速成长阶段。【局限】样本数据的选择有待改进, 存在干扰数据。【结论】改进后的技术熵方法是一种对专利技术系统中技术领域演化趋势分析的科学有效方法, 为专利技术生命周期演化的识别与预测等问题提供了一种可行的分析手段。

关键词： 技术熵 ; 技术生命周期 ; 专利技术演化 ; 技术系统

Abstract

[Objective] This paper measures the developments and the life cycles of the technology system with an improved technology entropy method, aiming to provide theoretical foundation for predicting technology development and decision-making of the governments. [Methods] We constructed a model measuring technological entropy based on information entropy and multiple indicators for the patented technology system. Then, we conducted an empirical analysis with the new model for carbon capture technology in China. [Results] We found that the target technology concluded the stages of sprouting, and slow growth. It is currently in the stage of rapid growth. [Limitations] The quality of the sample data needs to be improved. [Conclusions] The proposed method is an effective way to analyze the evolution trends of patent technology system, which provides a better solution for identifying the life cycle of technologies.

Keywords： Technological Entropy ; Technology Life Cycle ; Evolution of Patented Technology ; Technology Systems

PDF (635KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

侯剑华, 刘盼. 专利技术系统演化的技术熵测度模型与实证研究 ^*. 数据分析与知识发现[J], 2019, 3(8): 21-29 doi:10.11925/infotech.2096-3467.2018.0904

Hou Jianhua. Measuring Tech-Entropy of System Evolution: An Empirical Study of Patents. Data Analysis and Knowledge Discovery[J], 2019, 3(8): 21-29 doi:10.11925/infotech.2096-3467.2018.0904

1 引言

在经济全球化和技术保护全球化快速发展的进程中, 新兴技术不断涌现, 技术生命周期不断缩短, 跟踪新兴技术演化轨迹, 监测技术发展态势对技术主体把握技术机会、抢占技术发展制高点具有重要意义。技术生命周期预测分析是开展技术预见、技术演化轨迹等研究的重要基础。科学高效地研判核心技术生命周期演化规律, 把握相关技术的未来发展趋势, 对做好技术发展战略布局, 提升企业的技术竞争力具有重要作用。

当前, 专利技术系统的复杂性和不确定性不断增强, 使用传统的单一专利指标研究相关技术生命周期, 不能系统地对相关技术生命周期进行合理、准确的预测。在已有研究基础上, 本研究补充新的专利分析指标用于技术生命周期的预测分析。选取的主要指标为: 从专利技术保护的全球化方面选取“同族专利数量”指标, 在专利的法律状态方面选取专利的“转让和许可数量”指标。基于信息熵理论, 提出技术熵综合测度方法, 构建技术生命周期系统预测模型, 并以中国碳捕集技术为例进行实证分析。研究结果对政府相关部门的发展决策与规划制定以及企业开展技术预见和技术战略布局具有一定应用价值。

2 研究综述

技术的发展是连续的、累积式的, 会呈现出明显的阶段性又可能在某一个历史时期取得突破性进展^[1]。技术发展的过程, 就像生命周期理论中生命体出生、成长、成熟、衰退、死亡的演进过程, 会历经不同阶段而呈现不同特征^[2]。生命周期理论已广泛应用于技术、经济、环境、社会等众多领域。当前, 国内外对技术生命周期进行预测的研究对象基本以专利文献为主^[3], 运用专利数据客观地衡量技术研发情况、反映技术发展脉络。主要研究方法有Logistic模型与S曲线^[4]相结合的方法^[2,5-8]、S曲线法、专利指标法^[9]、相对增长率法、技术生命周期图法、TCT计算方法等^{[10,11,12,13,14]}。由于受专利相关数据库和数据信息结构等的影响, 在早期的这些方法中, 大部分学者仅限于使用单一指标构建技术生命周期预测模型, 常常使用的指标主要有专利授权量、申请量、引用量等。少数学者综合其中的两个变量, 以判断技术所处的生命周期阶段^[15,16,17]。笔者在前期研究中, 尝试通过玻尔兹曼熵的模型, 引入专利申请量指标对专利技术系统的熵变进行分析^[18,19]。在技术生命周期方法的应用研究方面, 国内学者专门对S曲线法、专利指标法、相对增长率法、技术生命周期图法和TCT计算法进行了详细分析比较^[10]。比如李维思等利用专利分析中的专利技术生命周期方法研究技术所处的发展阶段和产业策略^[20]; 赵莉晓基于专利数据应用技术生命周期理论和Logistic模型, 针对RFID技术开展技术预测研究^[2]。还有学者使用TRIZ成熟度预测^[21]与系统动力学方法^[22], 对技术所在的生命周期进行判断。

通过对相关技术生命周期方法的比较分析, 基于专利指标分析技术生命周期发展演化是当前技术演化和技术预测分析的主要手段, 而通过多指标综合分析手段对技术生命周期演化进行系统分析的研究相对较少。考虑专利数据库结构的不断完善以及专利技术保护全球化的进程, 专利技术系统的复杂性和不确定性不断增强, 本研究提出一种综合多种专利分析指标的技术生命周期演化的系统预测分析方法。该方法可以从整体上综合分析技术生命周期发展演化态势, 对技术生命周期演化的测度方法进行优化, 不仅提升了核心技术发展阶段预测分析的有效性和准确度, 同时为管产学研等技术主体促进技术转化、增强知识产权保护提供辅助参考。

3 模型构建

信息熵是比统计力学熵和热力学熵包含更广泛的熵, 且具有可加性和极值性等特性^[23], 基于信息熵, 可以运用多变量分析, 并且使描述过程趋于简单。本研究选取同族专利数量、专利授权量与专利转化量这三个指标, 利用在其达到一定数值之后共同作用下的熵值动态变化情况, 进而分析技术的发展趋势与阶段特征。

3.1 研究假设

为研究方便, 本文做以下研究假设:

假设1: 只要满足如下条件就可以达到识别效果: 同族专利数量、专利授权量与专利转化量达到一定数值之后, 这三个指标共同作用下的熵值的动态变化波动情况。同族专利数量、专利授权量与专利转化量, 既可以综合考虑这三个指标, 也可以单独考虑各个指标, 进而识别专利技术生命周期的各个阶段。

假设2: 在技术生命周期演化过程中, 定义可量化的识别临界值H_T, H_T是动态变化的, 且每个阶段的H_T值都不同, 只要达到这个临界值就会进入下一个阶段, 从而可以看出技术的演化过程。

3.2 技术熵测度模型的建立

通过同族专利数量(N_p)、专利授权量(A_p)、专利转化量(T_p)三个指标, 识别专利技术生命周期各个阶段(技术引入期、技术成长期、技术成熟期、技术系统衰退期)的动态演化特征。

设技术系统中的随机变量X取值为x₁, x₂, ···, x_n, 有其对应的概率(密度)分布函数H_t(X)存在时, 其技术熵如公式(1)所示^[21]。

(1)$\begin{matrix} & {{H}_{t}}\text{(}X\text{)}=H\text{(}{{p}_{i1}}\text{,}{{p}_{i2}}\text{,}\cdots \text{,}{{p}_{in}}\text{)}=-k\sum\limits_{j\text{=}t}^{n}{{{p}_{ij}}\text{log}{{p}_{ij}}} \\ & \ \ \ =-k\text{(}{{p}_{i1}}\text{log}{{p}_{i1}}\text{+}{{p}_{i2}}\text{log}{{p}_{i2}}\text{+}\cdots \text{+}{{p}_{in}}\text{log}{{p}_{in}}\text{),} \\ & \ \ \ i=\text{1,2,3}\ \ \ \text{ }j\text{=1,2,}\cdots \text{,}t\text{,}\cdots \text{,}n \\ \end{matrix}$

其中, k为常数, 这里取k=1; i表示不同指标; j表示不同年份, t表示与j年份对应的时间变量;${{p}_{ij}}\text{(}j\text{=1,2,3)}$为技术系统发展过程中影响熵值变化的概率, 即第i指标在第j年的比率, $\text{0}\le {{p}_{ij}}\le \text{1}$; H_t(X)为技术系统发展过程中熵值的变化。

由于信息熵随概率分布变化, 即技术系统发展在某个阶段的概率变化, 此时的信息熵值缺乏可比性, 因此, 必须进行归一化处理。归一化的处理方法是当且仅当${{p}_{ij}}\text{=}\frac{1}{n}\text{,}\ j\text{=1,2,}\cdots \text{,}n$时, 取得最大熵${{H}_{m}}\text{=}\log n$, 即均匀分布情况下的熵值。

基于信息熵函数引入对技术生命周期的识别与演化, 可得到归一化信息熵如公式(2)所示^[21]。

(2)${{H}_{t}}\text{1=}\frac{{{H}_{t}}\text{(}X\text{)}}{{{H}_{m}}}\text{=}\frac{\text{(}-k\sum\limits_{j\text{=}t}^{n}{{{p}_{ij}}\text{log}{{p}_{ij}}\text{)}}}{{{H}_{m}}}\text{=}\frac{\text{(}-k\sum\limits_{j\text{=}t}^{n}{{{p}_{ij}}\text{log}{{p}_{ij}}\text{)}}}{\log n}$

综合考虑这三个指标共同作用下的熵值, 设为L, 并依据信息熵的性质, 可得到整个技术系统中新的技术熵, 如公式(3)所示。

(3)$\begin{matrix} & L={{H}_{t}}(X)+{{H}_{t}}(Y)+{{H}_{t}}(Z) \\ & =-(\sum\limits_{j=t}^{n}{{{p}_{1j}}\log {{p}_{1j}}+\sum\limits_{j=t}^{n}{{{p}_{2j}}\log {{p}_{2j}}+\sum\limits_{j=t}^{n}{{{p}_{3j}}\log {{p}_{3j}})}}} \\ & =-(\sum\limits_{j=t}^{n}{\frac{Npj}{{{N}_{j}}}}\log \frac{Npj}{{{N}_{j}}}+\sum\limits_{j=t}^{n}{\frac{Apj}{{{N}_{j}}}}\log \frac{Apj}{{{N}_{j}}}+\sum\limits_{j=t}^{n}{\frac{Tpj}{{{N}_{j}}}}\log \frac{Tpj}{{{N}_{j}}}) \end{matrix}$

${{N}_{j}}$表示每年专利的总量, 即第j年专利总的数量。${{H}_{t}}\text{(}X\text{)}$表示同族专利数量的熵值变化; ${{H}_{t}}\text{(}Y\text{)}$表示专利授权量的熵值变化; ${{H}_{t}}\text{(}Z\text{)}$表示专利转化量的熵值变化。其中专利转化量指检索转让与许可共同状态下的转化量。

归一化处理后的熵值如公式(4)所示。

(4)$\begin{matrix} & {{H}_{t}}2=\frac{L}{{{H}_{m}}} \\ & =-\frac{(\sum\limits_{j=t}^{n}{\frac{Npj}{{{N}_{j}}}\log \frac{Npj}{{{N}_{j}}}+\sum\limits_{j=t}^{n}{\frac{Apj}{{{N}_{j}}}\log \frac{Apj}{{{N}_{j}}}+\sum\limits_{j=t}^{n}{\frac{Tpj}{{{N}_{j}}}\log \frac{Tpj}{{{N}_{j}}})}}}}{{{H}_{m}}} \\ \end{matrix}$

显然, ${{H}_{t}}\text{2}$取值于0-1之间。p₁_j表示将同族数量大于等于3的每项专利记为“1”的每年同族专利数量与该年总的专利数量的比值; p₂_j表示每年专利授权量与该年总专利数量的比值; p₃_j表示每年专利转化量与该年总专利数量的比值。即p₁_j, p₂_j, p₃_j分别表示同族专利数量、专利授权量与专利转化量处于系统各阶段的概率, 其中:${{p}_{1j}}=\sum\limits_{j=t}^{n}{\frac{Npj}{{{N}_{j}}}}\text{ },\text{ }{{p}_{2j}}=\sum\limits_{j=t}^{n}{\frac{Apj}{{{N}_{j}}}}\text{ },\text{ }{{p}_{3j}}=\sum\limits_{j=t}^{n}{\frac{Tpj}{{{N}_{j}}}}$。

为减小误差, 对后期时间段的总熵值变化可以不作分析。原因是在对专利授权量与专利转化量的统计过程中, 在时间上存在迟滞现象, 处于时间段前期或中期的专利, 在时间段后期可能还没有来得及授权或转化, 因此, 在后期的专利授权量或专利转化量的统计上会存在误差。

由于$H(X)$是关于$p=p(x=t)$的函数, 因此当$p(x)$发生变化时, 熵值$H(X)$也随之改变, $H(X)$成为概率分布$p(x)$的泛函, 即$H=H\left[ p(x) \right]=H\left[ p(t) \right]$。

在技术生命周期的演化过程中, 即从创生到消亡, 技术系统从无序到有序再归于无序, 这一系列的演化都伴随着能量的补充和不断地衰减, 同时技术系统的熵值也会发生相应变化。

3.3 专利技术生命周期的判定

依据技术指标数量的变化以及技术系统中熵值的变化情况, 对技术生命周期所处的不同阶段进行识别与判定。

设$Q=\frac{\left[ {{H}_{t}}(X)+{{H}_{t}}(Y) \right]}{{{H}_{m}}}$, 令${Q}'=0$得到${{H}_{t}}\text{max1=}{{H}_{T1}}$; 令${{H}_{t}}^{\prime }\text{2=0}$得到${{H}_{t}}\text{max2=}{{H}_{T2}}$。

(1) 技术引入期: 各项技术指标极不稳定, 对技术发展的各种影响因素都不确定, 同族专利数量与专利授权量非常少, 而专利转化量趋近于零。技术发展相当缓慢, 熵值的波动范围明显很大, 此时, ${{H}_{t}}\text{2}\le Q$。

(2) 技术成长期: 随着专利技术的不断发展以及技术分布范围的不断扩大, 各项技术指标不断完善, 技术壁垒不断攻克, 技术得到快速发展, 同族专利数量与专利授权量急剧增加, 专利转化量缓慢增加, 技术系统整体趋于快速增长的发展态势, 相关的技术研发活动也越来越密集, 熵值波动幅度明显变小, 熵值逐渐达到一定值, 即技术成长期向技术成熟期过渡的拐点${{H}_{T1}}$, 此时, $Q{{H}_{t}}\text{2}{{H}_{T1}}$。

(3) 技术成熟期: 当技术系统趋于成熟, 系统相对完善、稳定, 不可逆性加强, 如政府将注意力转向技术推广, 科研人员结束实验室研究走向中试, 投资者驱使资金流向技术的产业化等。同族专利数量、专利授权量与专利转化量都开始降低, 而且整体累计数量的增速也开始放缓。此时相关的技术研发活动迅速减少, 熵值趋于稳定, 其波动幅度显著变小, 但是熵值达到又一定值, 即技术成熟期向技术衰退期过渡的拐点H_T₂。因为技术成长期向技术成熟期过渡的拐点为H_T₁, 临界值达到H_T₁就会进入下一个阶段, 即技术成熟阶段。因此H_T₁就是识别技术成熟期的临界值。

(4) 技术衰退期: 当技术老化后, 有关领域的专利技术几乎不再增加。技术系统的消亡是其衰落的质的变化。在此阶段, 同族专利数量与专利授权量显著减少, 专利转化量几乎趋于零, 技术系统整体数量变化的走势趋于零, 相关研究几乎停滞。熵值波动范围很大, 此时的技术系统极其混乱, 熵值增大, 具体表现为技术的衰落。当熵达到最大值, 技术系统消亡。即识别技术衰退期的临界值为H_T₂。

4 结果分析

4.1 数据收集与分析

在Incopat数据库, 检索关键词为“标题摘要(TIAB)=二氧化碳 and (吸附 or 吸收 or 捕集)”, 公开公告时间为1985年1月1日-2017年12月31日在中国申请的专利, 即, (TIAB= (二氧化碳 and (吸附 or 吸收 or 捕集))) AND (PD=[19850101 to 20171231])。检索到中国申请的专利有6 710件, 其中发明申请3 877件、发明授权1 545件、实用新型1 280件、外观设计8件, 如表1所示。

表1 专利数量信息表

类别	数量
专利总量	6 710
发明申请	3 877
发明授权	1 545
实用新型	1 280
外观设计	8
转化量(转让和许可)	523

新窗口打开| 下载CSV

专利转化量包括专利的转让与许可两种法律状态, 共计523件。每年专利总量整体呈递增趋势。1985年-1999年专利总量的递增效果不明显, 2000年-2006年专利总量开始缓慢递增, 2007年-2017年专利总量快速递增, 呈现跃升的态势, 如图1所示。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 碳捕集相关专利的公开公告数量趋势(1985年-2017年)

4.2 计算结果分析

根据前文构建的测度模型, 计算出同族专利数量、专利授权量与专利转化量对应的概率值以及与之对应各个指标的熵值变化情况, 如表2 所示。

表2 碳捕集专利技术熵测度计算结果

时间	每年专利总量N	同族专利数量N_p	专利授权量A_p	专利转化量T_p	p₁_j	p₂_j	p₃_j	H_t(X)	H_t(Y)	H_t(Z)	L
1985	0	0	0	0	–	–	–	–	–	–	–
1986	8	3	0	0	0.3750	0.0000	0.0000	0.5306	–	–	0.5306
1987	15	2	3	0	0.1333	0.2000	0.0000	0.3876	0.4644	–	0.8520
1988	10	4	6	0	0.4000	0.6000	0.0000	0.5288	0.4422	–	0.9710
1989	13	7	6	0	0.5385	0.4615	0.0000	0.4808	0.5149	–	0.9957
1990	11	7	7	0	0.6364	0.6364	0.0000	0.4149	0.4149	–	0.8298
1991	11	5	5	0	0.4545	0.4545	0.0000	0.5171	0.5171	–	1.0342
1992	15	4	9	0	0.2667	0.6000	0.0000	0.5085	0.4422	–	0.9506
1993	10	2	3	0	0.2000	0.3000	0.0000	0.4644	0.5211	–	0.9855
1994	14	2	8	0	0.1429	0.5714	0.0000	0.4010	0.4614	–	0.8624
1995	15	3	6	0	0.2000	0.4000	0.0000	0.4644	0.5288	–	0.9932
1996	24	13	8	0	0.5417	0.3333	0.0000	0.4791	0.5284	–	1.0074
1997	19	9	4	1	0.4737	0.2105	0.0526	0.5106	0.4733	0.2236	1.2075
1998	21	6	4	0	0.2857	0.1905	0.0000	0.4963	0.4423	–	0.9385
1999	34	17	10	0	0.5000	0.2941	0.0000	0.5000	0.5193	–	1.0193
2000	47	24	13	9	0.5106	0.2766	0.1915	0.4952	0.5128	0.4566	1.4646
2001	33	13	16	2	0.3939	0.4848	0.0606	0.5295	0.5064	0.2451	1.2811
2002	62	24	24	2	0.3871	0.3871	0.0323	0.5300	0.5300	0.1598	1.2198
2003	71	26	34	5	0.3662	0.4789	0.0704	0.5307	0.5087	0.2696	1.3090
2004	85	21	41	12	0.2471	0.4824	0.1412	0.4983	0.5073	0.3987	1.4043
2005	119	42	57	14	0.3529	0.4790	0.1176	0.5304	0.5086	0.3633	1.4023
2006	121	40	50	21	0.3306	0.4132	0.1736	0.5279	0.5269	0.4384	1.4932
2007	122	29	45	15	0.2377	0.3689	0.1230	0.4927	0.5307	0.3717	1.3951
2008	207	44	76	29	0.2126	0.3671	0.1401	0.4748	0.5308	0.3972	1.4029
2009	254	63	89	18	0.2480	0.3504	0.0709	0.4989	0.5301	0.2706	1.2996
2010	323	51	115	33	0.1579	0.3560	0.1022	0.4197	0.5289	0.3358	1.2844
2011	408	82	157	35	0.2010	0.3848	0.0858	0.4652	0.5302	0.3039	1.2993
2012	575	140	222	58	0.2435	0.3861	0.1009	0.4951	0.5282	0.3333	1.3566
2013	599	109	280	62	0.1820	0.4674	0.1035	0.4468	0.5118	0.3384	1.2970
2014	725	141	311	51	0.1945	0.4290	0.0703	0.4594	0.5237	0.2694	1.2526
2015	830	124	385	74	0.1494	0.4639	0.0892	0.4098	0.5140	0.3109	1.2346
2016	888	139	431	43	0.1565	0.4854	0.0484	0.4188	0.5061	0.2116	1.1365
2017	1 021	90	408	24	0.0881	0.3996	0.0235	0.3089	0.5288	0.1272	0.9650

新窗口打开| 下载CSV

为更加清晰直观地了解技术生命周期各阶段的演化过程, 对历年碳捕集相关专利的公开公告累计数量进行分析, 如图2所示。可以看出, 中国碳捕集技术目前的发展进程。累计同族专利的数量与累计专利转化量的增速缓慢, 而累计专利授权量的增速比较快。在共同的作用下, 整体的专利累计数量增速非常迅猛。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 碳捕集相关专利的公开公告累计数量趋势(1985年-2017年)

通过归一化处理后的熵值H₂走势如图3所示。可以看出熵值整体的波动范围很大, 1991年-1999年, 熵值在0.20附近波动, 2000年-2015年, 熵值在0.25-0.30之间波动。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 历年碳捕集相关专利的总的熵值波动图

结合表2与图3进行分析, 可得如下结果:

(1) 1985年-2000年, 中国碳捕集专利技术的同族专利数量与专利授权量非常少, 而专利转化量几乎为零, 此时熵值的波动范围明显很大, 在0-0.30之间, 且${{H}_{t}}\text{2}\le Q$。碳捕集处于技术引入期。

(2) 2000年以后, 碳捕集技术研究越来越密集, 专利授权量在整体上呈现先缓慢增加后快速增加的趋势, 且快于同族专利数量和专利转化量的增速, 同族专利数量和专利转化量也在缓慢增加, 专利总量整体趋于先缓慢增加后急剧增加的态势。为减小误差, 这里不考虑2016年-2017年的数据。由于各变量整体增速有差异, 因此将碳捕集技术此时的阶段再细化分为两个阶段: 2000年-2006年, 专利总量开始缓慢增

加, 事实上, 该阶段发生了技术系统的内部震荡, 熵值波动范围相对稍微较大, 在0.20-0.30之间, 此时处于缓慢成长阶段; 2006年-2015年, 专利总量快速增加, 2015年以后仍然呈现增加的态势, 熵值波动范围相对稍微减小, 在0.25-0.30之间, 此时处于快速成长阶段。熵值整体的波动幅度明显变小, 在0.20-0.30之间, 且$Q{{H}_{t}}2HT1$。因此, 2000年以后中国碳捕集技术一直处于成长阶段, 然而已经由缓慢成长阶段(2000年- 2006年)进入当前的快速成长阶段。

5 结语

使用技术熵测度模型对中国碳捕集专利技术系统的演化进行分析, 根据历年总的熵值描述的技术发展趋势与累计专利总量趋势基本吻合, 揭示中国碳捕集技术发展的生命周期, 为政府和企业制定技术发展规划提供参考。本研究主要结论包括:

(1) 基于信息熵建立了专利系统的技术熵测度模型, 对专利技术系统的演化进行测度分析。其优势在于: 指标的选取比以往的单一指标更丰富, 使企业或学者可以对相关技术生命周期进行合理的、准确的预测; 技术生命周期阶段的判定比以往更简单明了; 既定量分析判定了技术生命周期的各阶段, 又定性地描述了不同阶段的技术特征。

(2) 对中国碳捕集专利技术进行实证分析, 运用技术熵值的函数表达式以及熵值波动的振幅范围, 揭示碳捕集专利技术经历了技术引入、技术缓慢成长、技术快速成长等阶段, 目前仍然处于成长阶段。

本研究还存在一定局限, 是下一步研究中需要重点关注的问题。

(1) 对新兴技术的预测方面存在局限性, 未能定量预测未来发展趋势;

(2) 目前仅仅采用中国Incopat专利数据库, 数据选择有一定局限性;

(3) 由于专利的公开时间问题, 目前研究存在时间滞后问题;

(4) 样本数据的选择有待改进, 存在干扰数据。

作者贡献声明

侯剑华: 提出研究思路, 设计研究方案, 论文撰写与最终版本修订;

刘盼: 采集、清洗和分析数据, 进行实验与分析。

利益冲突声明

所有作者声明不存在利益冲突关系。

支撑数据

支撑数据由作者自存储, E-mail: houjh5@mail.sysu.edu.cn。

[1] 侯剑华. 实验原数据.rar. 来自在Incopat的碳捕集专利数据库.

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

许良

. 技术哲学[M]. 上海: 复旦大学出版社, 2004.