导读：
为提升氢能产业数据价值，实现数据服务支撑氢能产业智能决策，研发了氢能产业链决策服务系统。该系统应用数据治理技术，将氢能产业政策、专利和文献等多源数据融合；采用自然语言处理算法，分析融合数据的语义特征；通过知识图谱技术，呈现氢能产业发展趋势；借助熵权TOPSIS算法，监测产业发展情况。系统应用氢能产业的数据服务、计算服务和信息服务三层架构，实现了产业链信息导航、关键技术图谱和产业技术监测功能，支撑了氢能产业科技创新发展和技术攻关前瞻研究。
作者信息：
刘力鸣, 刘 超, 陈晓玲*：吉林省科技创新研究院，吉林 长春；贾 超：吉林省翰德人才咨询有限公司，吉林 长春
论文详情
在氢能计算服务功能模块中，研究采用潜在狄利克雷分配(Latent Dirichlet Allocation, LDA) 主题模型对文本数据进行深度挖掘，以精准提取关键信息；同时运用熵权法与优劣解距离法(Technique for Order Preference by Similarity to Ideal Solution, TOPSIS)相结合的算法，构建科学的产业节点评价模型，提升 评价结果的客观性与可靠性。在信息服务功能模块，则通过知识图谱相关技术，系统性构建覆盖多维度 信息的氢能产业知识图谱，为用户提供结构化、可视化的信息查询与整合服务。
流程示意图见图 1。
围绕产业数据采集与治理、数据分析和挖掘、产业节点评价模型展开设计，应用成熟可靠的开源框 架进行快速开发，部署在云环境中进行统一的系统运维管理。
通过分析业务和系统负载状况，将系统解耦成三层服务结构(如图 2 所示)。
对于 Kafka 中流式数据内容，使用 Flink 进行数据有效性校验、敏感字段脱敏以及实时统计指标计 算等消费活动，清洗后的数据分别写入 Kafka 实时 Topic 和 HBase 实时存储，供下游服务消费(如图 3 所 示)。对于离线批数据使用 Spark 每 6 小时定时处理 HDFS 原始数据，进行维度关联、全量统计指标计算 和数据质量审计，最终将结果以 Parquet 格式存储到 HDFS 并注册到 Hive 表中(如图 4 所示)。
在数据存储阶段，系统采用分层存储策略，对原始数据、实时数据和聚合数据采用不同的存储方 式(如表 1 所示)。
氢能信息平台是面向用户展示的数据可视化服务平台，主要包含了产业链信息导航、产业关键技术 图谱和产业节点监测功能。系统技术架构图如图 6 所示。
在产业节点监测功能实现中，系统使用了基于熵权法结合 TOPSIS 的评价模型，结合企业分布和专 利分布的综合性关键技术指标(如表 2 所示)，对产业链上下游的关键技术节点发展情况进行评估(如图 9 所示)。
该系统通过大数据和人工智能技术，实现多源异构数据的融合与集中管理，构建关联共享的智能化服务平台，整合氢能产业链的多维度信息，为政府、企业和投资者提供精准的决策支持，助力产业在复 杂市场环境中稳健发展。通过实时监测产业链节点数据，系统帮助科技管理者全面掌握产业链完整性及 节点强弱情况，为政策制定和技术创新提供科学依据，有效推动了氢能产业的高质量发展和持续升级。
基金项目：
2024 年吉林省科技发展计划项目重点研发，项目名称"基于决策驱动的科技资源智能感知系统研发 与应用"(项目编号：20240302071GX)。