時間：2022-05-10 00:06:30
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇種子管理論文，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
1.1農業種子市場混亂
標簽不規范隨著改革體系的深化,大部分縣級國有種子企業不再有種子經營權,而是被民營單位替代,原來以縣級單位為經營權的局限被打破,市場流通度越來越廣;在種子營銷面增大,營銷網點越來越多的情況下,種子經營市場、經營品種、市場管理逐漸多樣化,從而也就出現了市場混亂的局面。在2007年的《農作物種子標簽通則》出臺以來,對種子標簽進行了新的修改,但是從檢查結果來看:除個別大型單位的標簽比較規范外,很多公司依然有部規范的問題。具體有:生產日期、品種名稱、警示標志以及栽培管理等。尤其是市場上的蔬菜包裝,凈含量、標注值、質量指標和標準字體根本不能滿足相關要求。
1.2農業種子經營單位素質有待提高
除本部設有規范的種子經營點外,還有很多臨時的代銷經營點。而網點銷售多半是小販小商。商販們只是在相關季節才進行代銷,對種子沒有特定的要求,所以很難對農戶購進進行科學指導,更不可能進行優質服務。
1.3農戶購種的盲從性與盲目性
從現行的農業經營狀況來看:大部分農業都沒有專業的知識,僅有的知識是從廣告商與種植經驗中得到的,在選購種子時盲目,從而也給農業安全造成了很多隱患。認識錯誤具體表現在:購買新種子,潛意識認為新品種才是好品種,從眾心理讓看見別人買什么自家就買什么。
1.4農業種子經營骨干稀缺
從當下的種子經營與管理過程來看:種子市場的管理經費稀缺為其帶來了很大的影響,由于種子管理人員沒能時常深入市場進行指導與監管,造成很多不達標的種子上市;由于部分地區沒有專業的質量儀器,從而對檢驗種子質量造成了很多不便,尤其是檢驗儀器不足,讓質量檢驗人員根本不能及時檢查出種子質量好壞,更談不上杜絕不達標種子流入市場銷售。另外,經營單位的人事調整與改革,在壓縮編制的同時,讓基層人力資源管理嚴重不足,加上個別管理人員素質不夠,缺乏對法規法律的全面了解,所以在具體工作中很難做到妥善處理問題,這樣很容易造成商販不法行徑,對市場管理帶來困擾。
2增強農業種子市場管理的對策
2.1加大隊伍建設
增強業務培訓在現實生活中,為了促進農業發展,種子管理人員必須主動承擔起種子管理相關工作。受種子管理的政策性、專業性影響,在保障種子管理的穩定性的同時,必須增強管理人員的法律知識、專業技能與執法培訓工作。這樣才能讓種子執法鍛煉、培訓人員成為既懂業務、又精通法律;既能準確執法,又能講原則的人員。目前,大多數種子經營者都經過了培訓,并且擁有種子經營證與上崗證,但是大部分人員的業務水平與法律意識明顯不夠。針對這種情況,我們必須采取多種措施,對經營人員進行有效培訓;例如:在種子銷售前,對其進行集中培訓,具體內容由農技基本技能、守法經營,并且要求種子經營人員必須嚴格根據法規法律要求進行種子經營。對于不滿足《種子法》規定的種子,除了不予銷售外,根據管理要求做好記錄工作,還應該向農業購種用戶提供保單,通過健全種子銷售檔案,對種子經營內容以及標簽負責,這樣才能逐步扭轉種子經營中存在的不良現象。最后,經營者還應該給每位購種用戶提供一定的跟蹤與售后服務。
2.2做好宣傳工作
提升使用者素質近幾年,很多地方都開展了各種宣傳方式進行農業宣傳,尤其是“走進三農”等活動,對普及法律與種子意識,提升使用者法律與質量意識發揮了很強的作用,同時它也讓廣大用戶領會應該怎樣使用法律意識保護自己,辨別種子真假,怎樣做到合法經營,熟悉種子栽培技術與種子特性,科學購買種子,在選購種子時,查看種子經營者的相關證件等。在種子選定好后,通過查看信譽卡、包裝袋、發票等依據,逐步提升農民的自我保護理念與維權意識,這樣才能讓假冒偽劣的種子經營者沒有經營市場。
2.3加強委托與品種管理
為了避免多個企業家共同委托造成的混亂,在種子經營中,除了要增強事前監控,還應該盡量避免多個企業家共同委托的現象,一般情況下同一經營者只能接受1到2個種子公司委托,同時兩家種業單位的每批種子都必須分開堆放,這樣才能做到檔案與經營的有效管理。對于沒有經過審核的品種,我們應該做到堅決抵制推廣與銷售工作。
2.4增強設備建設
做好質量監管工作從農業生產過程來看:不合格的種子對農業發展有直接的影響,因此,縣級單位必須主動承擔起本縣種子檢驗監督與栽培工作。受檢驗經費以及檢驗儀器的影響,對種子質量檢測造成了很大的影響。針對這種情況,相關部門必須高度重視,除了購置儀器設施外,還應該適應當地發展,做好加工、生產、檢驗、貯藏、檢疫等相關工作。通過加大對種子市場的抽查工作,從源頭上避免不合格種子進入市場。
3結語
關鍵詞：技術擴散 專利引用 Logistic模型 石墨烯傳感器
分類號：G306
引用格式：張嫻， 田鵬偉， 茹麗潔， 許海云. 專利前向引用遵循Logistic擴散模型再驗證[J/OL]. 知識管理論壇， 2017， 2（2）： 110-119[引用日期]. http：///p/1/105/.
技術擴散理論由E. M. Rogers提出，認為技術擴散是一項新技術透過通路散播到最K采用者或使用者的過程[1]。經典的技術發展模型表明從基礎研發到技術商業化應用是一條簡單線性路徑，但實踐中技術擴散往往更表現為一個復雜的迭代過程[2]。許多研究比較了不同模型在技術擴散研究中的應用效果[3-5]，實證結果認為由于技術擴散方式受內部因素的影響更甚于外部因素，因此Logistic生長模型（其理論基礎偏重于內部影響力）更適于研究科技創新的擴散模式[6]。專利是技術擴散的重要途徑之一，尤其是專利的前向引用行為反映了專利技術問世之后的被采用歷程，已被學者們認同為一種更具有技術擴散意義的行為[7-8]。專利引用數據已被許多學者視為測度技術擴散的客觀、成熟指標[9-11]。利用專利前向引用行為來測度技術擴散行為，已成為技術擴散模式特點的一個重要研究視角。
本文采用專利前向引用行為作為技術擴散活動的客觀表征，以石墨烯傳感器領域為例，基于領域內種子專利及其前、后向引用專利構建了技術領域專利集合，基于領域內所有專利的前向引用趨勢進行Logistic回歸分析，驗證了領域內專利前向引用遵循Logistic擴散模型。通過與M. H. Fallah和E.Fishman等[12]及張曉強等[13]研究的比較：①再次驗證了專利前向引用符合Logistic擴散模型，可以作為技術擴散的可靠研究視角；②實驗證實可將張曉強等研究結論“某一領域中基礎核心專利的前向引用遵循Logistic擴散模型”進一步拓展為“某領域專利的前向引用遵循Logistic擴散模型”；③對Logistic回歸擬合研究的實驗方法與結果進行了討論。
1 相關概念
1.1 專利引用與技術擴散
專利間的引用關系是一種達成技術擴散效果的行為[14]。在后專利技術對在先專利技術的引用關系中，產生了技術與知識的流動、傳遞和擴散，促進了技術的開發與商業化。A. B. Jaffe等最早運用專利數據開展技術擴散研究，利用專利引證信息分析了國家間的知識外溢[11]。多項研究表明專利引用與專利價值、技術擴散存在關聯關系，如S. B. Chang等推論了前向引用、技術擴散與專利價值之間的相關性[15]。
黃魯成等[16]較全面地總結了當前基于專利引用關系的技術擴散研究現狀，將現有研究內容歸納為6個主要方面：①運用專利引證信息的國家間知識外溢與擴散分析；②專利流動對生產率及研發產出的影響；③同一產業或不同產業間的知識流動和技術擴散；④專利引證和網絡分析方法結合的技術擴散研究；⑤利用專利或專利引用數據的技術擴散曲線研究，反映技術擴散的階段；⑥基于擴散模型的技術擴散預測。他們還分析了現有研究的一些不足與局限，包括：未能很好地反映技術擴散歷程中的動態變化；相比于國家間技術擴散研究，關于技術（產業）領域內（間）的擴散研究數量少且不夠深入；對潛在應用領域或應用產業的擴散前景的探索和預測有待加強。
1.2 Logistic擴散模型
Logistic方程最早由比利時數學家P. F. Verhulst于1838年提出，在20世紀20年代受到生物學家與統計學家的重視，它能較好描述某些有界增長現象，在預測學、信息科學、生物學、農業學和經濟學領域有廣泛應用[17]。Logistic方程可以表示為：
其中：Y（t）是衡量t時刻的績效參數，在技術擴散研究中，代表t時刻的擴散程度；L是參數Y的成長上限，代表技術擴散的飽和程度；t是時間；B是曲線拐線，代表生長擴散的轉折點；k是曲線的斜率，代表擴散速率。B、k由回歸方程式求出。
Logistic模型已被應用于技術擴散軌道比較、技術擴散模式特點研究、技術擴散影響因素分析與趨勢預測等[6，18-19]。2009年M. H. Fallah與E.Fishman等選取生物技術、電信技術、可替代能源技術3個領域中的Top5高被引用專利，分別基于其前向引用頻次進行了線性、二次、S型以及Logistic模型的擬合分析，認為Logistic模型擬合的顯著性較低，其余3種模型的擬合程度較高[12]。2014年張曉強等以巨磁阻領域的1件基礎核心專利為例進行Logistic回歸分析，得到實驗結論“某一領域中基礎核心專利的前向引用遵循Logistic擴散模型”[13]。
2 提出假設
本文認為，M. H. Fallah與E.Fishman、張曉強等的研究，分別選取領域內高被引專利、基礎核心專利為研究對象，所擬合的技術擴散特點是否真的能夠反映出整個技術領域的技術擴散趨勢，兩項研究對此并未加以嚴謹論證。事實上，高被引專利或基礎核心專利，都只是領域內的極少數個體，占領域絕大多數的是大量的低頻被引專利。因此，本文認為上述兩項研究可以回答某技術領域內基礎（或核心）專利的技術擴散特點滿足Logistic擴散模型，但尚未能有效驗證技術領域整體的專利技術擴散趨勢符合Logistic擴散模型。
因此，本文將以技術領域內所有專利的前向引用發展趨勢來表征該領域的技術擴散程度，提出研究假設：技術領域內所有專利的前向引用遵循Logistic擴散模型。并將就這一假設進行檢驗。
3 實驗研究
本文以石墨烯傳感器領域作為研究對象。由于結構獨特，集優異的電學、力學、光學、化學、熱學等特性于一體，石墨烯被認為是形成納米尺寸晶體管和電路的“后硅時代”的新潛力材料，其潛在應用領域包括高速晶體管、光學調制器、（柔性）透明電極、印刷電子、新型復合材料、超靈敏傳感器、新型催化劑、基因測序、儲能裝置等[20]。目前，石墨烯已成為物理學界與材料科學界最熱門的研究主題之一，各國紛紛將石墨烯技術作為長期戰略發展方向，專利申請活躍，對其專利活動特點的分析研究也受到關注。其次，石墨烯技術在諸多領域具有應用潛能，目前其應用相關專利已涉及電子器件、能源、光電器件、材料、化學、生物醫用等6個主要領域[21-22]。因此，石墨烯領域相關專利的引用關系，更能夠反映出豐富的技術擴散信息。
3.1 數據準備
3.1.1 數據源選取
本研究以湯森路透集團的德溫特創新索引（Derwent Innovations Index，DII）作為數據源。DII收錄了來自世界40多個專利機構的1000多萬件基本發明專利，3000多萬件專利，數據可回溯至1963年，并且所有專利文獻都以專利家族為單位進行組織的，可對世界主要國家/地區進行比較全面的對比分析。
3.1.2 數據集構建策略
本研究采取以下步驟構造分析對象數據集：①確定一批技術主題高度相關專利，建立種子專利集合；②提取各種子專利的前向、后向引用關系，采集被這些種子專利所引用的在先被引專利、引用這些種子專利的在后施引專利；③將種子專利、被引專利、施引專利合并，構成數據樣本集合。
石墨烯專利最早出現于2000年，2004年獲得了制備技術重大突破。考慮到專利自申請日至公布日之間存在一定時滯、在先專利公布之后被在后專利技術引用需要一定的技術與市場發展過程、在后施引行為的發生日至公布日也存在時滯，因此本文將種子專利的申請年范圍限定為2000至2011年，以保障獲得更豐富的引用信息。
此外，為避免不同國家（組織）對專利申請、授權的司法規定差異對研究結果造成影響，本文將研究對象限定為美國專利。
3.1.3 樣本集構建
檢索策略如表1所示，獲得原始專利數據共149項，經判斷內容相關性，篩選得到126項，作為本研究中石墨烯傳感器的種子專利。
提取126項種子專利的在先引用、在后施引的美國專利。為確保數據樣本能夠盡量充分地反映技術擴散鏈，采集了2代在先引用的美國專利。將種子專利與引用專利合并，一共得到26537件美國專利，作為本研究的數據分析樣本集合。
3.2 數據特征觀測
按申請年對專利進行分組，26537件美國專利涉及的申請年從1961年至2015年，由此得到55組專利。對每組專利，統計從申請年至今的歷年被引用頻次，得到55組專利前向引用趨勢變化數據。為避免專利數據公布時滯影響研究結果，選擇了1961年至2010年申的50組被引頻次變化數據，作為本研究的觀測樣本值。表2是50組專利在申請年后歷年的當年被引頻次統計量。表3是50組專利在申請年后歷年的累積被引頻次統計量。
通過散點圖觀測發現，50組專利的前向被引頻次發展趨勢，符合技術擴散模型的特點，即：每個時期的統計量（當年被引頻次）遵循鐘型曲線（如圖1所示），疊加統計量（累積被引頻次）遵循S型曲線（如圖2所示）。
3.3 Logistic曲線擬合
3.3.1 數據觀測變量
50組觀測數據（見表3）反映出，石墨烯傳感器領域專利技術的擴散速率有所差異，會受到專利年齡的影響。例如，早期公布的專利技術可能由于尚處于萌芽階段，專利體量不大，擴散速度受到限制；而后期產生的技術雖可能因體量龐大而影響面較廣，但同時也會因問世時間不長因而被引鏈較短。
因此，本文選取50組觀測數據的中段5組（1986-1990年組），以5組觀測值之和作為實驗變量（見表4），用以開展石墨烯傳感器領域的專利技術擴散曲線擬合分析，以便更好地反映領域技術擴散的穩態特點。
運用SPSS 19.0軟件對表4實驗變量數據分別進行了線性、對數、二次、指數以及Logistic模型的擬合分析。擬合函數圖見圖3。模型的參數估計值見表5。根據表5中的R方，顯示二次、線性、Logistic等3種模型的擬合效果較好。二次模型的擬合效果最好，但顯然并不符合實際情況，因為專利累積被引頻次只會保持遞增，不會出現二次模型中變量將在某一時點開始下降的特點。同時，從數據實際觀測特點可知，線性模型也不符合數據真實特點。因而，該實驗數據的Logistic模型擬合效果顯著。
3.3.2 曲線回歸擬合過程L值估計
Logistic方程參數（包括最大值L）估計方法很多[23]，本文采用嘗試法。選取比所有Yi觀測值稍大的數作為L的初值，然后以一定步長增長，每設定一個Li值，計算相應的參數估計值，比較相應函數模型的擬合結果，直到得到最佳擬合效果。
基于表4觀測值情況，通過嘗試法，設定L值取值為210000。
3.3.3 曲線回歸擬合過程
在SPSS 19.0軟件中，選擇曲線回歸（curve estimation regression）功能，按提示輸入Y（t）作為因變量、t值作為自變量，選擇Logistic模型，鍵入最大值參數L的估計值，選擇進行方差分析并輸出檢驗結果（display ANOVA table）。執行設定程序。實驗擬合結果：
L=210000，b0=0.001，b1=0.739，
t有：
。
根據SPSS的分析結果，該實驗案例中Logistic模型擬合效果較好，經驗證，技術領域內專利前向引用確實遵循了Logistic技術擴散模型。
4 結果討論
4.1 數據對象選取的代表性
M. H. oseinFallah和E.Fishman等的研究中，選取了領域內被引頻次居前10位的高被引專利作為分析對象，認為高被引專利代表了領域內的關鍵突破性發明。張曉強等選取領域內具有基礎核心作用的1件專利，認為一方面它具有極強的領域代表性，其前向引用可以說明該領域的發展程度以及擴散程度，另一方面它具有較強的應用性，對技術發展具有反向促進作用，因而能夠保證該專利技術的擴散和技術創新擴散之間具有較強的一致性。上述兩項研究在本質上，都是以技術領域內的極個別專利代表了領域整體，以這些個體專利的前向引用趨勢代表整個領域的技術擴散趨勢。
本文認為這兩項研究可以回答領域內基礎（或核心）專利的技術擴散特點滿足技術擴散模型，但對于證明領域整體（尤其是其中大量的低頻被引專利）均滿足該特點，還缺乏足夠的嚴謹性。本研究基于領域內種子專利及其前、后向引用專利，構建了相關技術專利集合來代表技術領域整體，基于集合內所有專利的前向引用趨勢特點來分析領域技術擴散趨勢，因此在專利選取上，本研究的數據對象選取方式更能夠代表技術領域整體。
4.2 引用趨勢發展的穩態性
M. H. Fallah和E.Fishman等在研究中先后選取領域內被引頻次Top5、Top1的專利進行分析。由于分析對象的規模有限，很難排除隨機因素對引用頻次變化趨勢的干擾，從該文中累積引用量趨勢圖（見圖4、圖5）不難觀察到可能存在的奇異樣本對曲線形態形成了一定影響。
本研究在石墨烯傳感器領域50年（1961-2010）專利產出中，選取了中段位（1986-1990年）專利產出的前向引用累積量為分析樣本，較好地避免了隨機因素對稀薄樣本量可能造成的干擾。同時，基本5年專利產出總量，既兼具了區間內歷年的趨勢特點，又通過分組求和平滑處理，克服了個別年份、個別專利受隨機因素干擾可能造成的奇異樣本，使模型的擬合更標準化，因此，擬合結果更具有領域整體代表性。
4.3 最大值參數估計對模型擬合效果的影響
張曉強等研究指出，M. H. Fallah和E.Fishman因為未設置Logistic上限，因此導致模型擬合顯著性低。本文在研究實施過程中，曾嘗試過利用灰色系統GM（1，1）模型建模方法進行參數估計，但根據所得L預測值的擬合結果與實際觀測情況差距較大，證實了張曉強等研究指出的最大值參數估計對模型擬效結果存在重大影響。
灰色系統理論是一種研究少數據、貧信息的不確定性問題的新方法，灰色預測的應用范圍很廣，但仍然存在一個適用性問題，需要根據預測問題的本身特質來定。例如，當預測問題本身有內部機理，比如數據符合某函數特點時，灰色預測就很可能不是最適合的，應該選擇擬合或回歸方法[24]。再如，灰色預測模型的數據應具有某種單調性，并且增加或是減小的幅度也應具有某種單調性，這些是判斷數據是否適合GM（1，1）模型的理論依據[25]。本研究中的實驗嘗試反映出灰色預測法在本研究場景中存在的局限性。
4.4 專利引用Logistic曲線研究可能存在的應用場景
Logistic模型是成長曲線法的一種重要應用，本質上是一種利用過去數據的變化趨勢作機械性的向外延伸推測的方法。它是擴散理論和社會學習理論的一種體現，反映出社會模擬、傳播、交流的特點。
在先專利技術被在后專利引用，代表了在先發明創新思想得到在后申請人的關注甚至接納。專利前向引用發展趨勢在一定程度上反映了專利技術問世后被公眾和市場接納的過程、技術領域的成長過程。因此，專利前向引用趨勢的Logistic模型擬合分析，除可研究技術擴散行為特點外，還可應用于技術領域生長特點研究，根據引用發展趨勢，結合Logistic曲線的最大值、拐點、時間等參數，分析和預測技術領域的成長極限、發展轉折點、老化速率等；結合更多技術主題特征項，還可用于技術演化特點分析、技術或產品成熟度預測等。
5 結論
本文在M. H. Fallah和E.Fishman、張曉強等的研究基礎上，再次驗證了專利前向引用遵循Logisitc擴散模型。與已有研究相比，本文通過更加優化設計的實驗驗證，認為不僅僅是技術領域內的高被引專利，而是整個技術領域的擴散行為，都是符合Logistic擴散模型特點的。因此，本文將前人已有研究結論“某一領域中基礎核心專利的前向引用遵循Logistic擴散模型”，進一步拓展為“某領域專利的前向引用遵循Logistic擴散模型”。本文設計的實驗方法與具體實施結果，驗證了該假設的有效性，但還有待在更多不同技術領域的實驗驗證。此外，根據成長曲線法的基本原理，本文提出“專利前向引用遵循Logistic擴散模型”特點在技術成熟度、技術演化分析等其它問題場景中也可能發揮作用，其研究與應用意義還有待更深入的發掘。
參考文獻：
[1] ROGERS E M. Diffusion of innovation[M]. 3rd ed. New York： The Free Press， 1983.
[2] EDQUIST C， JACOBSSON S. Flexible automation： the global diffusion of new technology in the engineering industry[M]. Oxford： Basil Blackwell， 1988.
[3] CHU W L， WU F S， KAO K S， et al. Diffusion of mobile telephony： an empirical study in Taiwan[J]. Telecommunications policy，2009， 33（9）： 506-520.
[4] LUNDWALL B A. National systems of innovation： towards a theory of innovation and interactive learning[M]. London： Anthem Press， 1992.
[5] TENG J T C， GROVER V， GUTTLER W. Information technology innovations： general diffusion patterns and its relationships to innovation characteristics[J]. IEEE transactions onengineering management， 2002， 49（1）： 13C27.
[6] WONG C Y， THIRUCELVAM K， RATNAVELU K. Diffusion trajectories of emerging sciences in Malaysian R&D system[J]. Technological forecasting &social change， 2010， 77（7）： 1109-1125.
[7] NARIN F， HAMILTON K S， OLIVASTRO D. The increasing linkage between US technology and public science[J]. Research policy， 1997， 26（3）： 317-330.
[8] 賴奎魁， 張善斌. 建構商業方法技術擴散模式： 整合專利引證及貝氏模式[J]. 科技管理學刊， 2004， 9（1）： 1-34.
[9] BREITZMAN A F， MOGEE M E. The many applications of patent analysis[J]. Journal of information science， 2002， 28（3）： 187-205.
[10] MEYER M. Does science push technology？ Patents citing scientific literature[J]. Research policy， 2000， 29（3）： 409-434.
[11] JAFFE A B， TRAJTENBERG M， HENDERSON R. Geographic localization of knowledge spillovers as evidenced by patent citations[J]. Quarterly journal of economics， 1993， 108（3）： 577-598.
[12] FALLAH M H， FISHMAN E， REILLY R R. Forward patent citations as predictive measures for diffusion of emerging technologies[C]//Portland： PICMET， 2009： 420-427.
[13] 張曉強， 戴吾三， 楊君游. 專利前向引用是否遵循Logistic擴散模型[J]. 情報雜志， 2014， 33（6）： 40-43， 65.
[14] 王秀山. 專利情報的傳播機制與傳播模式[J]. 中國信息導報， 1995（7）： 19-20.
[15] CHANG S B， LAUI K， CHANG S M. Exploring technology diffusion and classification of business method patents： using the patent citation network[J]. Technological forecasting &social change， 2009， 76（1）： 107-117.
[16] 黃魯成， 王寧. 專利視角下的技術擴散研究綜述[J]. 科學學與科學技術管理， 2011， 32（10）： 27-34.
[17] 朱正元， 陳偉侯， 陳豐. Logistic曲線cGompertz曲線的比較研究[J]. 數學的實踐與認識， 2003（10）： 66-71.
[18] CHEN Y H， CHEN C Y， LEE S C. Technology forecasting and patent strategy of hydrogen energy and fuel cell technologies[J]. International journal of hydrogen energy， 2011， 36（12）： 6957-6969.
[19] FRANK L D. An analysis of the effect of the economic situation on modeling and forecasting the diffusion of wireless communications in Finland[J]. Technology forecast &social change， 2004， 71（4）： 391-403.
[20] Science News Staff. Breakthrough of the year： the runners-up[J]. Science， 2009， 326 （5960）： 1600-1607.
[21] 馬廷燦， 萬勇， 馮瑞華. 石墨烯專利技術國際研發態勢分析[J]. 科學觀察， 2012， 7（3）： 25-36.
[22] 陳長益， 吳華珠. 我國石墨烯領域專利信息可視化分析[J]. 現代情報， 2014， 34（3）： 120-124.
[23] 章元明， 蓋鈞鎰. Logistic模型的參數估計[J]. 四川畜牧獸醫學院學報， 1994， 8（2）： 47-52.
[24] 盧懿. 灰色預測模型的研究及其應用[D]. 杭州： 浙江理工大W， 2014.
[25] 陳子錦， 王福亮， 陸守香. 灰色預測模型GM（1，1）的適用性分析及在火災風險預測中的應用[J]. 中國工程科學， 2007，9（5）： 91-94.
作者貢獻說明：
張 嫻：研究方案設計，研究過程實施，論文撰寫；
田鵬偉：數據分析；
茹麗潔：數據分析；
許海云：研究方案補充。
The Re-validation of the Logistic Diffusion Model Applying for the Growing Pattern of Patent Forward Citations
Zhang Xian1 Tian Pengwei1， 2 Ru Lijie1， 2 Xu Haiyun1
1. Chengdu Library and Information Center， Chinese Academy of Science， Chengdu 610041；
2. University of Chinese Academy of Sciences， Beijing 100190
