摘要:預見水體凈化技術發展趨勢有助于實現“美麗中國”建設目標。已有技術預見方法缺乏定量客觀依據,相關評判指標也不夠全面。從Innography數據庫檢索2008-2019年發布的3552個污水處理技術專利,運用多維標度分析和K均值聚類法,基于專利靜態指標分析專利技術發展潛力,采用技術生命周期分析法從動態視角判斷每類技術的發展前景。研究發現:①污水與污染物雙重回收可持續性技術在多個靜態評價指標方面均優于其它技術,且處于從引入期到發展期的過渡階段,具有廣闊的發展空間;②以去除特定污染物為目標的功能單一技術已被淘汰,市場開始應用污水處理原理不同的多種技術聯合處理方式。據此,提出企業應選擇污染物回收率高、二次污染物排放少、整體“凈效益”為正的污水處理技術,并采取新舊技術聯合處理方式降低企業采用新技術的轉換成本。

　　關鍵詞:K均值聚類;技術生命周期;技術預見;技術專利;水體凈化

　　0引言

　　自改革開放以來,中國沿著工業化、城市化和農業現代化軌道迅猛發展,雖在較短時間內實現了經濟大幅增長,但也導致大量污染物排放到水生態系統中。為遏制水環境的日益惡化,中國自2005年以來采取了諸多措施,如城市污水處理和污染物排放總量控制目標的制定、“水十條”的頒布、“美麗中國”目標的提出等。隨著污水處理需求的增長,處理過程本身也會消耗大量化學試劑、能源和淡水資源,還會產生溫室氣體和污泥廢物,這種負面效應逐漸顯現[1]。因此,加強污水處理技術研發升級,降低能源消耗和環境二次污染是企業面臨的新課題。企業選擇正確的污水處理技術,準確預見水體凈化技術發展方向是當務之急。

　　目前,主流技術預見方法包括:①定性分析法,如德爾菲法和情景分析法;②定量分析法,由于定性分析法需要投入大量時間和成本,結論容易受到認知偏差的影響,且無法客觀衡量專家判斷的準確性[2-4],因此近年來定量分析法應用越來越廣泛。張振剛和羅泰曄[5]采用專利知識元素網絡(IPC分類號,InternationalPatentClassification)對網絡進行K均值聚類分析,并根據每一個聚類中關鍵詞出現頻率挖掘各類技術的發展潛力。

　　該方法雖然考慮了專利內部知識屬性,但缺乏基于外部因素(專利被引用量)的專利質量評價信息,導致結果可能存在偏差;Kim&Bae[6]根據專利CPC分類信息,采用K均值聚類法預測健康護理行業未來技術。相較于IPC,CPC對技術的分類雖然更加詳細,也更有利于把握專利知識要素,但未對數據進行孤立點分析,有可能導致孤立點成為初始聚類點,從而產生系統誤差。

　　另外,Kim用來評價聚類結果的指標僅限于專利被引用量、家族規模和權利要求項數,評價指標不夠全面,未對專利被引用量規定統一觀測時間,忽略了生存時間不同的專利。 綜上所述,以往學者大多使用專利靜態指標進行技術預見分析,存在評價指標不全面、度量方式不合理等問題,且依據靜態指標分析只能判斷最具前景的一類技術,無法分析現有技術發展階段,更無法判斷現有技術是否已經進入衰退期。

　　為避免系統誤差,本文從技術生命周期動態視角分析現有技術所處發展階段并提出技術綜合利用方案。本研究從Innography數據庫中獲得2008-2019年發布的3552個水體凈化技術專利數據,首先,依據多維標度分析和K均值聚類法對專利內在知識屬性進行分類(CPC);其次,利用靜態指標(專利內部屬性、外部評價和總體評價)評價所得專利聚類的技術前景;再次,通過技術生命周期分析判斷每類技術所處發展階段,從而推測技術未來發展趨勢;最后,使用2016-2019年發布的專利數據驗證上述研究結果的準確性。本文不僅考慮專利所包含的技術知識,還從專利新穎性、市場接受程度和技術發展階段出發,依據多個指標和動靜態相結合的方法判斷新技術發展潛力,以期提高技術預見方法的可靠性,并為企業未來水體凈化技術選擇和開發提供參考依據。

　　1數據來源與研究過程

　　1.1數據收集與篩選

　　本文數據來源于Innography數據庫,該數據庫收錄了在美國專利商標局(USPTO)和歐洲專利局(EPO)等多個專利局注冊的專利,專利持有人來自100多個國家,專利總數達到1億多個,數據內容包括專利發布時間、被引用量等20多類信息,專利數據量大、信息內容全,且包含單獨的專利強度指標(專利指標取值范圍為0~10,數值越大說明專利價值越高),有助于研究者選擇特定應用領域的全面樣本。

　　本文從關鍵詞與CPC分類號兩個方面設定專利檢索式,檢索在專利標題、內容摘要、權利要求中含有wastewater、sewage等關鍵詞的專利。水體凈化行業CPC分類號大多分布在C02和Y02類別中,少數分布在B部中。需要說明的是,本研究使用專利CPC分類號而非IPC分類號分析專利所屬知識。

　　CPC分類號自2013年1月1日起生效,是由歐洲專利局和美國專利商標局共同開發的專利分類制度。CPC擁有超過25萬個技術類別,遠大于IPC的7萬個類別,技術分類更詳細[7],更適用于技術信息分析和聚類研究。在提取初步樣本后,刪除同族專利,篩選出專利類型為發明專利且專利強度大于5的專利,將專利發布時間限定為2008年1月1日至2019年12月31日,最終得到3552個專利。

　　1.2數據分析過程

　　本文將樣本專利分為兩組:第一組為預測組,共包含2148個專利,即觀測期前8年發布的專利,用于預見未來最有潛力的技術;第二組為檢驗組,包含1404個專利,即觀測期后4年發布的專利,用于檢驗預測組結果是否準確。若潛力技術所占比例在檢驗組中呈增長趨勢,說明預測結果比較可靠。

　　對于上述兩組樣本,本研究首先使用多維標度分析法將具有高維特征的數據(專利CPC分類)降至二維,以降低K均值聚類分析誤差;其次,對二維數據進行K均值聚類分析,將距離相近的專利聚為一類,依據每類中出現頻數位于前十的CPC分類定義專利技術名稱;再次,分析預測組中每類專利的內部屬性、外部評價和總體評價8項靜態指標,得到有前景的技術,根據專利技術生命周期判斷每類技術所處發展階段及發展前景;最后,依據預測技術在檢驗組中所占比例檢驗預測結果的準確性。

　　2水體凈化專利多維標度分析

　　多維標度分析(Multidimensionalscaling,MDS)是將高維數據映射到低維空間,并保持各觀測樣本原始關系的統計方法[8],能夠將專利數據的多個維度降至二維,并避免K均值聚類分析所導致的原始樣本關系失真問題。本研究使用MDS法,將專利多維CPC分類映射到二維空間上,根據專利CPC分類計算專利之間的相關系數,得到專利相關系數矩陣。

　　考慮到某一專利可能屬于多個CPC類別,故先將專利與CPC的對應關系描述為一個不對稱矩陣PCM(patent-cpcmatrix),。PCM的每一行代表一個專利,每一列代表一個CPC。若某專利屬于某個CPC則將對應矩陣元素賦值為1,否則賦值為0。然后,構建對稱PPM矩陣(patent-patentmatrix),PPM矩陣中的元素值等于專利間的Pearson相關系數。

　　3水體凈化專利K均值聚類

　　K均值聚類法(K-means)依據專利距離將專利劃分為K個類別,每個類別的中心位置根據類別中所有觀測值的均值得出。K-means聚類分析法對噪聲數據較為敏感,少數孤立點數據有可能導致聚類結果失真。另外,該方法需要根據研究者的經驗確定聚類數目,容易受主觀因素影響。為克服這兩個缺陷,本研究首先識別并剔除孤立點以消除噪聲因素的影響,然后通過輪廓系數確定最佳聚類數,再進行K-means聚類分析,K-means聚類所得結果即是當前污水處理技術的主要類別。

　　3.1孤立專利點識別

　　孤立點是指不符合數據分布模型的專利,往往遠離數據密集區域。本研究根據專利點標準分數z識別專利是否為孤立點[9],標準分數計算方法如下:若xim為專利xi在第m個維度上的值,計算結果表明,預測組孤立點專利有176個,檢驗組孤立點專利有116個。本文在聚類分析前首先剔除這些孤立點專利,待聚類結束后再依據孤立點到聚類中心的歐氏距離,將孤立點加入最近類別中。

　　3.2聚類數目確定

　　本研究采用輪廓系數確定最佳聚類數目。輪廓系數si的取值范圍為[-1,1],si越接近1,說明專利i的聚類結果越理想;si越接近-1,說明專利i被分配到其它類別中的可能性越大。

　　整體聚類輪廓系數為單個專利輪廓系數的平均值,本研究在計算輪廓系數時以迭代30次為基本條件,以避免出現局部最優值。其中,在預測組中,K=3、K=4的輪廓系數分別為0.8574、0.8609,二者相差0.41%,聚類數均較好。通過進一步分析每類專利的CPC分類發現,當專利被分為4類時,第一類中有90.91%(20/22)的分類號出現在第二類,兩類之間的知識重合度較大,因此應合并為一類,所以將預測組聚類系數確定為3類。

　　在檢驗組中,K=2、K=3、K=4的輪廓系數分別為0.8369、0.8614、0.8456,聚類數均較好。聚類分析結果顯示,當專利被聚為3類時,第二類中有85.71%(36/42)的CPC分類號出現在第三類;當專利被聚為4類時,第三類中所有CPC分類均出現在第一類。因此,為降低聚類結果重合度,本研究將檢驗組聚類數確定為兩類。

　　3.3水體凈化專利聚類

　　K-means檢驗步驟如下:第一步,在數據中隨機選取k個專利作為初始聚類中心。第二步,將所有專利分配到距離聚類中心最近的類別中。第三步,將每類專利二維坐標的平均值作為下一次迭代的聚類中心。重復上述步驟2、3,若聚類結果不再更改,則停止迭代。在得到聚類結果后,本文將先前剔除的孤立點專利加入與其距離最近的類別中。

　　展示了孤立點與每個聚類中心的歐式距離,Dim1和Dim2為專利通過MDS降維后得到的二維坐標值。可以看出,預測組孤立點專利與第三類聚類中心最近(9.644),故將其放入第三類聚類中;檢驗組孤立點專利與b類聚類中心最近(7.728),因而將其歸入b類聚類中。最終,預測組數據被聚為3類,專利數量分別為234(10.89%)、1574(73.28%)、340(15.83%);檢驗組數據被聚為兩類,專利數量分別為1065(75.85%)、339(24.15%)。

　　3.4專利類別技術名稱定義

　　在定義技術名稱之前,筆者通過與水體凈化領域的專家討論,刪除較為基礎、普遍存在且易于實施的技術分類(CPC),如調節污水的PH值等,然后統計每類專利中頻數位于前10的CPC技術分類,最后根據前10位CPC概括出各類專利所代表的技術名稱。

　　本研究根據污水處理污染物對象、技術原理、處理結果定義每一類技術。其中,預測組第一類為去除特定污染物的技術,如去除廢水中油、有害化合物的技術。該類技術未出現在檢驗組中,表明其在未來4年將被淘汰;第二類為可持續性技術,主要指廢水污染物再利用、減少污水二次污染和新能源使用的技術,如樹脂型離子交換劑、太陽能水處理系統、生物處理技術(微生物、厭氧技術)等。

　　該類技術同時出現在預測組(類2)和檢驗組(類a)中,CPC重合度高達60%,說明其在未來4年仍是主流技術;第三類為物理化學技術,如綜合運用物理和化學方法凈化廢水的浮選技術、反滲透技術、臭氧氧化技術,該類技術同時出現在預測組(類3)和檢驗組(類b)中,表明其在未來4年仍是企業使用的主要技術。對于可持續性技術和物理化學技術的發展潛力,需要進一步通過靜態指標和動態技術生命周期進行分析。

　　4水體凈化技術前景評價

　　4.1靜態指標分析

　　本研究依據專利內部屬性(專利引用量、家族規模、獨立權利要求項數和發明人數)、外部評價(專利被引用量、訴訟量和知識產權成本)和總體評價(專利強度)的8個靜態指標分析每類技術的發展潛力。技術潛力越大,專利申請質量越高,越容易成為未來主流技術。

　　4.1.1內部屬性指標

　　(1)專利引用量。專利引用量是指引用其它專利的數量。專利引用數量越多,技術基礎越扎實,與其它技術兼容的可能性越大,專利也就越有可能成為主流技術[10]。(2)專利家族規模。專利家族是指同一專利在不同國家、不同時間申請專利的集合。由于專利在每個申請國家都需要付出維護成本,因此企業更傾向于為高質量專利付出更多維護費用。專利家族規模越大,專利技術價值和經濟價值也就越高[11]。

　　4.1.2外部評價指標

　　(1)專利被引用量。專利被引用量越多意味著技術發明所作的貢獻越大,因而越具有經濟價值和技術價值[15-16]。為對發布時間不同的專利進行統一比較,本研究使用專利發布后4年內的被引用量度量該指標[17-18]。(2)專利訴訟量。企業更愿意對高質量專利發起訴訟[14],因而訴訟量越多意味著專利價值越大,專利市場占有率越高,也就越有可能成為未來主流技術。(3)專利知識產權成本。該指標根據Innography數據庫中的專利維持成本、起訴成本等計算得出。若指標得分較高,說明專利在較長一段時間內具有較高的技術價值和經濟價值,因而更有可能占據主流市場。本研究使用專利年平均成本這一指標對其進行度量,以避免因專利生存時間不同而造成誤差。

　　4.1.3總體評價指標

　　專利強度在Innography數據庫中結合專利引用、訴訟、截止日期等10項指標構建而成。專利強度取值范圍為0~10,數值越大說明專利質量越高,技術潛力越大。

　　從中可見:

　　①可持續性技術(類2)引用量、家族規模、獨立權利要求項數、訴訟量、知識產權成本和專利強度均高于其它技術,說明該類技術知識更加多樣、新穎,企業付出更多研發成本和維護費用,因而技術價值最高、潛力最大;②去除特定污染物技術(類1)在上述6個指標方面均顯著低于其它類別,說明技術價值最低,企業已經放棄對該類技術專利的申請與維護,且未在檢驗組中出現,說明2016-2019年已逐漸被其它兩類技術所取代。需要說明的是,可持續性技術(類2)專利被引用量和發明人數指標取值最低,可能是因為可持續性技術正處于從引入階段到發展階段的過渡期[19],技術成熟度不高,且企業之間的技術研發與合作較少。同樣地,該類技術CPC所占比例也反映了這一現象。

　　從中可以看出,相較于其它兩類技術,在預測組類2和檢驗組類a中(可持續性技術類),每個CPC占比分布均較為均勻(類2最大占比為28.2%,類a最大占比為17.6%)。這說明,該類專利技術所屬知識僅在少數專利中出現,專利之間的交叉性較弱,目前還處于探索階段,沒有形成主流技術范式。此外,預測組類2與檢驗組類a作為同一類可持續性技術,在整個樣本數據中的占比從預測組的73.28%增加到檢驗組的75.85%,說明該類技術市場占有率較高且呈增長態勢。

　　4.2技術生命周期分析

　　企業在投資技術之前需要判斷技術生命周期,從而準確投資處于上升期且發展潛力較大的技術[19]。本研究結合K-means聚類和專利靜態評價指標,進一步從動態視角分析每類技術的生命周期。學者通常利用專利申請信息分析技術生命周期[11,20-22],這是因為:

　　①一項專利代表一個技術,專利技術信息能夠為分析技術發展趨勢提供較好的證據;②一項專利被頒布意味著其具有較大的商業潛力,能夠保證樣本數據的有效性;③專利數據能夠反映整個技術生命周期;④專利數據可獲取性高,利用專利數據庫可以客觀分析專利信息[19]。Andersen[20]以單一專利申請數增速分析技術生命周期各個階段,總結出S型技術發展曲線,但這種方法難以精確界定不同生命階段之間的臨界點(專利曲線增速較大與增速放緩之間的臨界點),因而無法精確判斷技術所處發展階段。本研究結合專利申請數量和申請人數量,通過雙重指標變化趨勢清晰區分技術發展不同階段。

　　本文根據屬于特定技術類別的專利申請人數與專利申請數之間的關系,將技術發展劃分為5個階段[11]。其中,第一階段為引入階段,在該階段新技術剛誕生,專利申請人數和專利申請數很少。第二階段為發展階段,研發活動較為活躍,行業進入者增多,專利數和申請人數迅速增長。

　　第三階段為成熟階段,市場已產生主流技術范式,研發活動大大減少,專利申請數增長速度放緩,申請人數量減少。此時,技術商業價值下降,技術領域已不具有發展潛力。第四階段為衰退期,專利數和申請人數呈下降趨勢,技術逐漸被淘汰。第五階段為恢復期,基于基礎技術的新技術出現,市場逐漸恢復并進入下一個循環期。分別為預測組第一、二、三類技術生命周期曲線,橫、縱坐標軸分別代表2008-2015年專利申請人數和專利申請數。

　　去除特定污染物技術(第一類技術)處于第四階段,曲線端點位置表明專利申請人數和專利申請數已降至最低水平,說明該技術已被淘汰,驗證了上文靜態預測結果。這是因為,去除某種特定污染物技術適用范圍較小,隨著人類生產生活方式逐漸向清潔生產與消費模式轉變,廢水有害化合物等污染物比重減少,且污染物種類也在發生改變。

　　因此,原有污水處理技術無法適應新處理要求,使企業陷入污水處理技術鎖定困境(趙蕓潼等,2020)。專利申請人數和專利申請數量呈遞增趨勢,可持續性技術專利申請人數增速更快。2008-2015年,可持續性技術專利申請人數由478人增至1149人,增加了140.38%;專利申請數由137個增至246個,增加了79.56%。

　　專利申請人增長率幾乎是專利申請數增長率的2倍,說明該技術處于從引入階段到發展階段的過渡期,技術發展潛力較大,從動態視角驗證了上文靜態分析結果的可靠性。物理化學類技術發展趨勢也為未來水體凈化技術發展提供了新視角。物理化學類技術專利數與專利申請人數增長趨勢雖然緩慢,但技術生命周期曲線呈上升趨勢,說明該類技術處于發展期,具有較好的應用前景。因此,與第一類技術不同,物理化學類技術雖不是未來最具有發展空間的技術類別,但已經打下堅實基礎,且可處理污染物范圍更廣,因此企業可繼續使用物理化學類技術,或將其應用于水處理過程的不同環節,從而在達到清潔生產目標的同時降低使用新技術的轉換成本。

　　5結論與啟示

　　5.1研究結論

　　本研究從Innography數據庫中選取水體凈化行業3552個專利,采用多維標度和K均值聚類法分析技術發展潛力,通過技術生命周期分析判斷每類技術所處發展階段及發展趨勢,得出如下結論:

　　(1)多維標度分析與K均值聚類相結合的技術預見方法更具有穩健性。本研究在聚類前首先對孤立點進行處理并根據輪廓系數確定聚類數,克服了直接進行K均值聚類易導致的主觀缺陷;既采用靜態指標分析專利所包含的知識元素,又從動態視角根據技術生命周期階段判斷技術未來發展趨勢,靜態與動態分析相互印證,提高了預測結果的可信性。

　　(2)可持續性技術是未來主流技術,這些技術正處于從引入階段到發展階段的過渡期,在技術和商業價值上具有廣闊的發展空間。這類技術追求污染物回收利用、減少二次污染和降低碳排放等目標,多個CPC均勻分布在可持續性技術中,專利知識交叉少,說明技術研發處于探索階段,這與張振剛和羅泰曄[5]提出的納米行業未來技術特征相似。由上文可知,可持續性技術每項專利平均發明人最少,說明目前針對該技術的研究還處于“各自為戰”狀態。

　　(3)2008-2019年,水體凈化行業技術結構發生改變,去除特定污染物技術逐漸被淘汰,行業更傾向于使用多種技術聯合處理方式,處理對象更加多元。這是因為,去除特定污染物技術適用范圍較窄,不利于企業產品線拓展,而多種技術聯合污水處理方式為企業隨市場需求調整產品線拓寬了選擇空間。

　　(4)物理化學類技術專利增長趨勢雖然較可持續性技術緩慢,但仍是企業的主要選擇。從技術生命周期分析可以看出,該類技術處于發展階段,主要包括反滲透、臭氧氧化等技術,具有適用范圍廣、二次污染低等特點。雖然該類技術清潔處理效果不如可持續性技術,但在企業轉型升級過程中,可將其作為過渡技術緩解企業技術升級壓力。

　　5.2對策建議

　　基于以上研究結論,結合污水處理行業現狀,本文提出如下對策建議：

　　(1)目前,企業污水處理往往只關注對廢水的循環利用,大量污染物在經過處理后被排放,極易造成資源流失。本文研究結果表明,污染物回收再利用是未來主流技術范式,企業在技術升級過程中應選擇污染物回收利用率高的清潔工藝,如回收廢水中的氮、磷等營養物質。Qi等[24]研究發現,中國污水總氮量去除率最低,僅有51.6%~79.4%,剩下的20.6%~48.4%都隨處理后的廢液排放。因此,未來在解決廢水凈化和排放達標問題時應追求資源(污染物)循環利用,實現減排、節能、資源循環利用并舉的全過程綠色創新。

　　(2)當前,水體凈化技術在處理廢水時造成了嚴重的環境污染。Nakkasunchi等[25]研究發現,廢水處理廠增加了溫室氣體排放,其所需能源占全球能源需求的3%,對環境造成的負面影響大于處理或回收污染物帶來的正向效益。本文研究發現,使用太陽能等清潔能源技術是未來主要發展方向。因此,企業應選擇“凈效益”(污染物處理效益+環境效益)為正的水處理技術,在達到污水排放目標的同時也要考慮污水處理過程對環境造成的負面影響,選擇光催化降解等處理技術。

　　(3)企業采用優化水體凈化技術時面臨大量轉換成本鎖定問題,在某種程度上制約了污水處理技術升級。Changotra等[26]研究發現,在制藥、醫療等產生大量含毒有機廢水的行業,使用化學混凝+電子束輻照+生物活性污泥處理方法尤為重要,因為污染物中的復雜化合物無法用傳統單一技術處理,將新技術與傳統技術相結合能夠有效解決這一問題,如引入電子束輻照。

　　本文研究發現,最具前景的可持續性技術類別同時包含化學、生物和光催化降解等多種技術,大多數企業目前使用的物理化學類技術依然處于發展階段。 因此,企業在污水處理過程中可采用多類技術聯合、新舊技術聯合的處理方式,如將物理化學類技術與可持續性技術相結合,以降低企業采用新技術的轉換成本。

　　5.3不足與展望

　　本文存在如下不足:第一,只在水體凈化行業檢驗技術預見方法的適用性,未使用其它行業數據進行驗證,未來可將本文研究方法拓展到其它行業,如新能源汽車行業,檢驗本文預見方法的穩健性。第二,限于篇幅,只根據專利CPC分類號對技術所屬類別進行分類,未深入探討專利的具體內容,未來可使用文本分析法,從專利摘要、權利要求等方面分析專利所屬類別,再結合本文預見方法判斷技術發展前景。第三,雖然發現能夠回收雙重污染物的可持續性技術是未來主要發展方向,但未探討其所產生的環境效益,未來可進一步分析可持續性技術能夠在多大程度上降低二次污染。

　　參考文獻：

　　[1]LORENZO-TOJAY,VAZQUEZ-ROWEI,AMORESMJ,etal.Benchmarkingwastewatertreatmentplantsunderaneco-efficiencyperspective[J].ScienceoftheTotalEnvironment,2016(566-567):468-479.

　　[2]HASSONF,KEENEYS.Enhancingrigourinthedelphitechniqueresearch[J].TechnologicalforecastingandSocialChange,2011,78(9):1695-1704.

　　[3]賴朝安,錢嬌.基于專利挖掘的移動醫療產業技術預見[J].科研管理,2018,39(10):138-147.

　　[4]簡兆權,柳儀.技術預見共識形成機制研究[J].科學學與科學技術管理,2014,35(9):37-47.

　　[5]張振剛,羅泰曄.基于知識網絡的技術預見研究[J].科學學研究,2019,37(6):961-967,985.

　　[6]KIMG,BAEJ.Anovelapproachtoforecastpromisingtechnologythroughpatentanalysis[J].TechnologicalForecastingandSocialChange,2017(117):228-237.

　　[7]KAPOORR,KARVONENM,RANAEIS,etal.Patentportfoliosofeuropeanwindindustry:newinsightsusingcitationcategories[J].WorldPatentInformation,2015(41):4-10.

　　[8]何曉群.多元統計分析[M].北京:中國人民大學出版社,2012.

　　[9]賈俊平,何曉群,金勇進.統計學[M].北京:中國人民大學出版社,2014.

　　作者：簡兆權1,趙蕓潼1,張少軒2