我单位拟参与申报2025年安徽省科学技术奖项目主要信息予以公示，公示期：2026年9月4日至2026年9月10日。公示期内如对公示内容有异议，请您实名向科研处反映。

联系电话：63675976

联系人：阚逸群

科研处

2026年9月4日

附：公示内容

项目一：

项目名称：面向天基信息网络的全金属架构相控阵成套关键技术与在轨应用

提名单位：中国电子科技集团公司第三十八研究所

提名奖项：科技进步奖

主要知识产权和标准规范等目录

主要完成人：罗彦彬，汪伟，卢晓鹏，方小川，吴杰，陈照，徐光辉，江洪，方佳，李刚，李良英

主要完成单位：中国电子科技集团公司第三十八研究所、安徽大学、合肥师范学院、合肥工业大学、合肥海天电子科技有限公司

项目二：

项目名称：数据驱动的智能预测与决策基础理论与方法

提名单位：安徽大学

提名奖项：自然科学奖

提名意见：新一代信息技术与人工智能快速发展，使复杂经济管理系统呈现数据多源异构、动态非平稳和主体偏好不确定等特征，对信息表征、规律识别和可信决策提出新的理论要求。该项目围绕数据驱动的智能预测与决策基础理论与方法，针对多源信息难以统一表征、多尺度规律难以稳定识别、模型能力与数据状态难以匹配以及不确定偏好难以形成可信决策等关键科学问题开展研究。项目建立非结构化信息量化、多源特征语义对齐及复杂序列多尺度分解与重构方法，构建多尺度、多模型协同及动态权重驱动的组合预测方法，提出兼顾偏好保真、群体协调和数据学习的决策方法，形成从信息提炼、规律识别到决策优化的理论与方法体系。6篇代表性论文发表于国内外重要期刊，累计他引293次，其中1篇入选ESI高被引论文，1篇获Wiley 2023—2024年度Top Cited Article。相关成果得到国内外高水平学者持续引用和评价，并拓展应用于能源经济预测、复杂时间序列分析及群体决策等领域。我单位认真审阅了项目提名书及附件材料，确认材料真实有效，符合申报要求，并按规定公示无异议。同意提名该项目为2025年度安徽省自然科学奖。

项目简介：随着新一代信息技术和人工智能加速融入经济社会运行，复杂经济管理系统呈现多源信息耦合、动态非平稳、多尺度波动和主体偏好不确定等特征。传统研究多将数据处理、预测建模和决策分析分别展开，信息从原始数据向规律认知再向决策结果传递时容易发生损失，表现为非结构化信息利用不足、多尺度规律难以稳定识别、模型能力与数据状态不匹配，以及不确定偏好被过度压缩等问题。如何在尽量保持原始信息结构和不确定性的基础上，将多源异构数据转化为可计算知识，进一步识别复杂系统的动态演化规律，并将数据规律、预测结果和主体偏好转化为可信、可解释的决策依据，是数据驱动预测与决策领域需要解决的基础科学问题。本项目围绕多源数据处理与集成、数据驱动预测和数据驱动决策三个相互衔接的层面开展研究，形成了从信息提炼、规律识别到决策优化的系统方法。主要科学发现如下：

1.为提高复杂经济管理系统中多源信息的可用性和一致性，建立了面向非结构化信息量化、多源特征对齐和复杂序列结构重组的数据处理与集成方法。研究表明，多源数据的价值并不取决于来源数量的简单增加，关键在于不同信息能否实现语义可比、尺度可分和结构可重组。针对网络文本、搜索行为、星级评分、区间价格等异构数据，构建基于LDA主题识别、Bi-LSTM情感量化、概率语言术语集和TF-IDF属性提取的客观表征方法，使投资者关注、市场情绪和消费者评价等非结构化信息能够进入统一计算框架；针对复杂序列非平稳、非线性和多尺度成分相互叠加问题，进一步利用VMD、BEMD提取不同尺度的动态结构，引入综合贡献指数、演化聚类和样本熵对分解模态进行评价与重构，减少冗余信息和误差累积。相关成果将多源数据利用由并列输入推进到语义对齐、尺度分解和结构优化，为后续预测和决策提供了具有一致含义和明确结构的数据基础。

2.为提升复杂非平稳序列预测的准确性、稳定性和适应性，构建了多尺度、多模型协同驱动的组合预测方法。研究发现，不同预测模型的有效性具有明显的尺度依赖和时变特征，组合预测的关键在于数据结构、模型能力和权重机制之间的动态匹配。围绕这一规律，构建VMD分解、贡献评价与模态重构相结合的多尺度预测框架，并利用IOWA算子根据模型实际表现实施变权集成；面向区间价格及多源外部信息，建立BEMD多尺度分解、多类机器学习预测器协同和最优加权组合方法，实现一步至多步区间预测；针对预测结果存在时间滞后、传统逐点误差难以识别趋势相似性的问题，首次将DTW引入组合预测权重生成，结合信息熵和滑动窗口形成随局部状态变化的动态权重。相关研究突破单一模型和固定权重组合的局限，形成兼顾多尺度结构、模型异质性、区间不确定性和时间滞后的自适应预测方法。

3.为增强复杂数据环境下决策结果的可信性和可解释性，建立了兼顾偏好保真、群体协调和数据学习的决策方法。针对区间语言偏好在一致性修正和单值化处理中容易失真的问题，构建交叉效率DEA、群体共识和Monte Carlo模拟相结合的群决策方法，在保留原始偏好空间的基础上形成期望排序及其可信度；针对大规模群体中利益分化和共识演化问题，将一致性与共识度用于群体划分，引入合作博弈刻画子群边际贡献，并通过多目标优化调控群内和群际共识；针对在线评论形成的海量行为数据，构建数据驱动最优-最差赋权方法和区域—全局产品排序模型，使属性权重和方案排序能够追溯至消费者真实评价。研究表明，复杂决策的可靠性不仅取决于评价值如何聚合，更取决于原始信息能否得到保留、主体关系能否被合理刻画以及权重和排序能否由数据内生形成，由此推动决策过程由主观给权和静态聚合向信息保真、机制协调、数据学习和概率表达转变。

上述成果发表于Information Processing & Management、Journal of Forecasting、《中国管理科学》、IEEE Transactions on Fuzzy Systems、Physica A等国内外重要期刊，6篇代表性论文累计他引293次，其中1篇入选ESI高被引论文，1篇获Wiley 2023—2024年度Top Cited Article。相关研究围绕多源信息融合、复杂序列预测与数据驱动决策形成了具有内在关联的理论与方法体系，得到发展中国家科学院院士、欧洲科学院院士、IEEE Fellow、教育部长江学者、国家杰出青年科学基金获得者及全球高被引科学家等国内外同行持续关注与引用。部分研究思想已进一步拓展至能源经济预测、复杂时间序列分析、云资源调度、海洋风速预测和消费者决策等领域，显示出较强的理论生命力、方法普适性和学术辐射力，体现了相关成果在数据驱动预测与决策研究领域的持续影响。

代表性论文专著目录：

1. Wu, Peng, Tianjian Tang, Ligang Zhou, Luis Martínez. A decision-support model through online reviews: Consumer preference analysis and product ranking [J]. Information Processing & Managemen,2024, 61(4), 103728.

2. Wu, Peng , Li Fengen , Zhao Jie, Ligang Zhou, Luis Martínez. Consensus Reaching Process With Multiobjective Optimization for Large-Scale Group Decision Making With Cooperative Game[J].IEEE Transactions on Fuzzy Systems, 2023, 31(1):14.

3. Zhifu Tao, Qinghua Xu, Xi Liu*, Jinpei Liu, An integrated approach implementing sliding window and DTW distance for time series forecasting tasks [J]. Applied Intelligence,2023, 53(17), 20614-20625.

4. Jiaming Zhu, Peng Wu, Huayou Chen*, Jinpei Liu, Ligang Zhou. Carbon price forecasting with variational mode decomposition and optimal combined model [J]. Physica A: Statistical Mechanics and its Applications，2019, 519: 140-158

5. Rui Luo, Jinpei Liu*, Piao Wang, Zhifu Tao, Huayou Chen. A multisource data-driven combined forecasting model based on internet search keyword screening method for interval soybean futures price [J]. Journal of Forecasting，2024, 43: 366-390.

6. 刘金培,杨宏伟,陈华友,周礼刚.基于交叉效率DEA与群体共识的区间乘性语言偏好关系群决策[J].中国管理科学,2020, 28 (2): 190-198.

主要完成人：刘金培、刘兮、吴澎、朱家明

主要完成单位：安徽大学、合肥师范学院