基于K-means與技術(shù)生命周期的技術(shù)預(yù)見方法研究
——以水體凈化技術(shù)為例

簡兆權(quán)，趙蕓潼，張少軒

(1.華南理工大學(xué) 工商管理學(xué)院，廣東 廣州 510640；2.廣東省環(huán)境科學(xué)研究院，廣東 廣州 510030)

0 引言

自改革開放以來，中國沿著工業(yè)化、城市化和農(nóng)業(yè)現(xiàn)代化軌道迅猛發(fā)展，雖在較短時間內(nèi)實現(xiàn)了經(jīng)濟大幅增長，但也導(dǎo)致大量污染物排放到水生態(tài)系統(tǒng)中。為遏制水環(huán)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(biāo)的制定、“水十條”的頒布、“美麗中國”目標(biāo)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(xué)試劑、能源和淡水資源，還會產(chǎn)生溫室氣體和污泥廢物，這種負面效應(yīng)逐漸顯現(xiàn)[1]。因此，加強污水處理技術(shù)研發(fā)升級，降低能源消耗和環(huán)境二次污染是企業(yè)面臨的新課題。企業(yè)選擇正確的污水處理技術(shù)，準(zhǔn)確預(yù)見水體凈化技術(shù)發(fā)展方向是當(dāng)務(wù)之急。

目前，主流技術(shù)預(yù)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(jié)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(zhǔn)確性[2-4]，因此近年來定量分析法應(yīng)用越來越廣泛。張振剛和羅泰曄[5]采用專利知識元素網(wǎng)絡(luò)(IPC分類號，International Patent Classification)對網(wǎng)絡(luò)進行K均值聚類分析，并根據(jù)每一個聚類中關(guān)鍵詞出現(xiàn)頻率挖掘各類技術(shù)的發(fā)展?jié)摿?。該方法雖然考慮了專利內(nèi)部知識屬性，但缺乏基于外部因素(專利被引用量)的專利質(zhì)量評價信息，導(dǎo)致結(jié)果可能存在偏差；Kim & Bae[6]根據(jù)專利CPC分類信息，采用K均值聚類法預(yù)測健康護理行業(yè)未來技術(shù)。相較于IPC，CPC對技術(shù)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(shù)據(jù)進行孤立點分析，有可能導(dǎo)致孤立點成為初始聚類點，從而產(chǎn)生系統(tǒng)誤差。另外，Kim用來評價聚類結(jié)果的指標(biāo)僅限于專利被引用量、家族規(guī)模和權(quán)利要求項數(shù)，評價指標(biāo)不夠全面，未對專利被引用量規(guī)定統(tǒng)一觀測時間，忽略了生存時間不同的專利。

綜上所述，以往學(xué)者大多使用專利靜態(tài)指標(biāo)進行技術(shù)預(yù)見分析，存在評價指標(biāo)不全面、度量方式不合理等問題，且依據(jù)靜態(tài)指標(biāo)分析只能判斷最具前景的一類技術(shù)，無法分析現(xiàn)有技術(shù)發(fā)展階段，更無法判斷現(xiàn)有技術(shù)是否已經(jīng)進入衰退期。為避免系統(tǒng)誤差，本文從技術(shù)生命周期動態(tài)視角分析現(xiàn)有技術(shù)所處發(fā)展階段并提出技術(shù)綜合利用方案。本研究從Innography數(shù)據(jù)庫中獲得2008-2019年發(fā)布的3 552個水體凈化技術(shù)專利數(shù)據(jù)，首先，依據(jù)多維標(biāo)度分析和K均值聚類法對專利內(nèi)在知識屬性進行分類(CPC)；其次，利用靜態(tài)指標(biāo)(專利內(nèi)部屬性、外部評價和總體評價)評價所得專利聚類的技術(shù)前景；再次，通過技術(shù)生命周期分析判斷每類技術(shù)所處發(fā)展階段，從而推測技術(shù)未來發(fā)展趨勢；最后，使用2016-2019年發(fā)布的專利數(shù)據(jù)驗證上述研究結(jié)果的準(zhǔn)確性。本文不僅考慮專利所包含的技術(shù)知識，還從專利新穎性、市場接受程度和技術(shù)發(fā)展階段出發(fā)，依據(jù)多個指標(biāo)和動靜態(tài)相結(jié)合的方法判斷新技術(shù)發(fā)展?jié)摿?，以期提高技術(shù)預(yù)見方法的可靠性，并為企業(yè)未來水體凈化技術(shù)選擇和開發(fā)提供參考依據(jù)。

1 數(shù)據(jù)來源與研究過程

1.1 數(shù)據(jù)收集與篩選

本文數(shù)據(jù)來源于Innography數(shù)據(jù)庫，該數(shù)據(jù)庫收錄了在美國專利商標(biāo)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(shù)達到1億多個，數(shù)據(jù)內(nèi)容包括專利發(fā)布時間、被引用量等20多類信息，專利數(shù)據(jù)量大、信息內(nèi)容全，且包含單獨的專利強度指標(biāo)(專利指標(biāo)取值范圍為0～10，數(shù)值越大說明專利價值越高)，有助于研究者選擇特定應(yīng)用領(lǐng)域的全面樣本。

本文從關(guān)鍵詞與CPC分類號兩個方面設(shè)定專利檢索式，檢索在專利標(biāo)題、內(nèi)容摘要、權(quán)利要求中含有wastewater、sewage等關(guān)鍵詞的專利。水體凈化行業(yè)CPC分類號大多分布在C02和Y02類別中，少數(shù)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(biāo)局共同開發(fā)的專利分類制度。CPC擁有超過25萬個技術(shù)類別，遠大于IPC的7萬個類別，技術(shù)分類更詳細[7]，更適用于技術(shù)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(fā)明專利且專利強度大于5的專利，將專利發(fā)布時間限定為2008年1月1日至2019年12月31日，最終得到3 552個專利。

1.2 數(shù)據(jù)分析過程

本文將樣本專利分為兩組：第一組為預(yù)測組，共包含2 148個專利，即觀測期前8年發(fā)布的專利，用于預(yù)見未來最有潛力的技術(shù)；第二組為檢驗組，包含1 404個專利，即觀測期后4年發(fā)布的專利，用于檢驗預(yù)測組結(jié)果是否準(zhǔn)確。若潛力技術(shù)所占比例在檢驗組中呈增長趨勢，說明預(yù)測結(jié)果比較可靠。

對于上述兩組樣本，本研究首先使用多維標(biāo)度分析法將具有高維特征的數(shù)據(jù)(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(shù)據(jù)進行K均值聚類分析，將距離相近的專利聚為一類，依據(jù)每類中出現(xiàn)頻數(shù)位于前十的CPC分類定義專利技術(shù)名稱；再次，分析預(yù)測組中每類專利的內(nèi)部屬性、外部評價和總體評價8項靜態(tài)指標(biāo)，得到有前景的技術(shù)，根據(jù)專利技術(shù)生命周期判斷每類技術(shù)所處發(fā)展階段及發(fā)展前景；最后，依據(jù)預(yù)測技術(shù)在檢驗組中所占比例檢驗預(yù)測結(jié)果的準(zhǔn)確性。

2 水體凈化專利多維標(biāo)度分析

多維標(biāo)度分析(Multidimensional scaling，MDS)是將高維數(shù)據(jù)映射到低維空間，并保持各觀測樣本原始關(guān)系的統(tǒng)計方法[8]，能夠?qū)＠麛?shù)據(jù)的多個維度降至二維，并避免K均值聚類分析所導(dǎo)致的原始樣本關(guān)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(jù)專利CPC分類計算專利之間的相關(guān)系數(shù)，得到專利相關(guān)系數(shù)矩陣?？紤]到某一專利可能屬于多個CPC類別，故先將專利與CPC的對應(yīng)關(guān)系描述為一個不對稱矩陣PCM(patent-cpc matrix)，如表1所示。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(yīng)矩陣元素賦值為1，否則賦值為0。然后，構(gòu)建對稱PPM矩陣(patent-patent matrix)，PPM矩陣中的元素值等于專利間的Pearson相關(guān)系數(shù)，如表2所示。

表1 PCM矩陣Tab.1 PCM matrix

表2 PPM矩陣Tab.2 PPM matrix

MDS方法基于專利距離降維，設(shè)R維空間中的n個專利點為x1,x2,…,xn，用矩陣表示為X=(x1,x2,…,xn)T，專利i與j之間的歐氏距離為dij，則X的中心化內(nèi)積陣B為：

(1)

根據(jù)B求出二維專利矩陣X。在降維后的二維平面中，設(shè)λ1、λ2為B的特征根，λ1、λ2對應(yīng)的單位特征向量為e1，e2，在二維平面上的專利矩陣X為：

X=ΓΛ1/2

(2)

其中，Γ=(e1,e2)，Λ1/2是λ1、λ2的平方根值，X中的元素即為所求的二維平面中的專利數(shù)據(jù)點。

3 水體凈化專利K均值聚類

K均值聚類法(K-means)依據(jù)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(jù)類別中所有觀測值的均值得出。K-means聚類分析法對噪聲數(shù)據(jù)較為敏感，少數(shù)孤立點數(shù)據(jù)有可能導(dǎo)致聚類結(jié)果失真。另外，該方法需要根據(jù)研究者的經(jīng)驗確定聚類數(shù)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(shù)確定最佳聚類數(shù)，再進行K-means聚類分析，K-means聚類所得結(jié)果即是當(dāng)前污水處理技術(shù)的主要類別。

3.1 孤立專利點識別

孤立點是指不符合數(shù)據(jù)分布模型的專利，往往遠離數(shù)據(jù)密集區(qū)域。本研究根據(jù)專利點標(biāo)準(zhǔn)分數(shù)z識別專利是否為孤立點[9]，標(biāo)準(zhǔn)分數(shù)計算方法如下：

zi=(Di-μ)/σ

(3)

3.2 聚類數(shù)目確定

本研究采用輪廓系數(shù)確定最佳聚類數(shù)目。輪廓系數(shù)si的取值范圍為[-1,1]，si越接近1，說明專利i的聚類結(jié)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。第i個專利的輪廓系數(shù)s(i)為：

(4)

其中，ai是專利i與同類別中其它專利不相似程度的平均值；bi=min{bi1,bi2…bil}是專利i與其它l類別專利不相似程度的最小值。

整體聚類輪廓系數(shù)為單個專利輪廓系數(shù)的平均值，本研究在計算輪廓系數(shù)時以迭代30次為基本條件，以避免出現(xiàn)局部最優(yōu)值。預(yù)測組和檢驗組的輪廓系數(shù)分別如圖1、圖2所示。其中，在預(yù)測組中，K=3、K=4的輪廓系數(shù)分別為0.857 4、0.860 9，二者相差0.41%，聚類數(shù)均較好。通過進一步分析每類專利的CPC分類發(fā)現(xiàn)，當(dāng)專利被分為4類時，第一類中有90.91%(20/22)的分類號出現(xiàn)在第二類，兩類之間的知識重合度較大，因此應(yīng)合并為一類，所以將預(yù)測組聚類系數(shù)確定為3類。在檢驗組中，K=2、K=3、K=4的輪廓系數(shù)分別為0.836 9、0.861 4、0.845 6，聚類數(shù)均較好。聚類分析結(jié)果顯示，當(dāng)專利被聚為3類時，第二類中有85.71%(36/42)的CPC分類號出現(xiàn)在第三類；當(dāng)專利被聚為4類時，第三類中所有CPC分類均出現(xiàn)在第一類。因此，為降低聚類結(jié)果重合度，本研究將檢驗組聚類數(shù)確定為兩類，如圖1、圖2所示。

3.3 水體凈化專利聚類

K-means檢驗步驟如下：第一步，在數(shù)據(jù)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(biāo)的平均值作為下一次迭代的聚類中心。重復(fù)上述步驟2、3，若聚類結(jié)果不再更改，則停止迭代。

在得到聚類結(jié)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。表3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(biāo)值?？梢钥闯?，預(yù)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(yù)測組數(shù)據(jù)被聚為3類，專利數(shù)量分別為234(10.89%)、1 574(73.28%)、340(15.83%)；檢驗組數(shù)據(jù)被聚為兩類，專利數(shù)量分別為1 065(75.85%)、339(24.15%)。預(yù)測組和檢驗組二維平面專利聚類結(jié)果如圖3、圖4所示。

圖1 預(yù)測組輪廓系數(shù) 圖2 檢驗組輪廓系數(shù)Fig.1 Silhouette coefficient of the prediction set Fig.2 Silhouette coefficient of the test set

表3 孤立點與聚類中心的歐氏距離Tab.3 Euclidean distance between outliers and cluster means

圖3 預(yù)測組聚類結(jié)果 圖4檢驗組聚類結(jié)果Fig.3 Cluster results of the prediction set Fig.4 Cluster results of the test set

3.4 專利類別技術(shù)名稱定義

在定義技術(shù)名稱之前，筆者通過與水體凈化領(lǐng)域的專家討論，刪除較為基礎(chǔ)、普遍存在且易于實施的技術(shù)分類(CPC)，如調(diào)節(jié)污水的PH值等，然后統(tǒng)計每類專利中頻數(shù)位于前10的CPC技術(shù)分類，最后根據(jù)前10位CPC概括出各類專利所代表的技術(shù)名稱(見表4)。

表4 專利聚類與對應(yīng)的CPC分類Tab.4 Patent clustering and corresponding CPC classification

需要說明的是，部分CPC重復(fù)出現(xiàn)在多個專利類別中，但特定CPC在不同專利類別中所占比重不同，如圖5、圖6所示。其中，橫坐標(biāo)軸代表CPC分類號，縱坐標(biāo)軸代表CPC分類號分別在3類技術(shù)中所占的比重。由于存在某些復(fù)雜技術(shù)，從技術(shù)原理上來說包含多個技術(shù)類別，且技術(shù)之間常具有互補性，如在某些水處理系統(tǒng)中其作為主要處理技術(shù)，而在其它處理系統(tǒng)中則作為預(yù)處理技術(shù)而存在,因此需要考慮技術(shù)之間的重合性。

圖5 CPC在預(yù)測組各專利類別中出現(xiàn)的頻率Fig.5 Frequency of CPC appearing in each patent category of the prediction set

圖6 CPC在檢驗組各專利類別中出現(xiàn)的頻率Fig.6 CPC Frequency in each patent category of the test set

本研究根據(jù)污水處理污染物對象、技術(shù)原理、處理結(jié)果定義每一類技術(shù)。其中，預(yù)測組第一類為去除特定污染物的技術(shù)，如去除廢水中油、有害化合物的技術(shù)。該類技術(shù)未出現(xiàn)在檢驗組中，表明其在未來4年將被淘汰；第二類為可持續(xù)性技術(shù)，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(shù)，如樹脂型離子交換劑、太陽能水處理系統(tǒng)、生物處理技術(shù)(微生物、厭氧技術(shù))等。該類技術(shù)同時出現(xiàn)在預(yù)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(shù)；第三類為物理化學(xué)技術(shù)，如綜合運用物理和化學(xué)方法凈化廢水的浮選技術(shù)、反滲透技術(shù)、臭氧氧化技術(shù)，該類技術(shù)同時出現(xiàn)在預(yù)測組(類3)和檢驗組(類b)中，表明其在未來4年仍是企業(yè)使用的主要技術(shù)。對于可持續(xù)性技術(shù)和物理化學(xué)技術(shù)的發(fā)展?jié)摿?，需要進一步通過靜態(tài)指標(biāo)和動態(tài)技術(shù)生命周期進行分析。

4 水體凈化技術(shù)前景評價

4.1 靜態(tài)指標(biāo)分析

本研究依據(jù)專利內(nèi)部屬性(專利引用量、家族規(guī)模、獨立權(quán)利要求項數(shù)和發(fā)明人數(shù))、外部評價(專利被引用量、訴訟量和知識產(chǎn)權(quán)成本)和總體評價(專利強度)的8個靜態(tài)指標(biāo)分析每類技術(shù)的發(fā)展?jié)摿Α＜夹g(shù)潛力越大，專利申請質(zhì)量越高，越容易成為未來主流技術(shù)。

4.1.1 內(nèi)部屬性指標(biāo)

(1)專利引用量。專利引用量是指引用其它專利的數(shù)量。專利引用數(shù)量越多，技術(shù)基礎(chǔ)越扎實，與其它技術(shù)兼容的可能性越大，專利也就越有可能成為主流技術(shù)[10]。第i類專利引用量計算公式為：

引用量i=∑j專利j引用其它專利的數(shù)量/Patentnumi

(5)

其中，Patentnumi表示第i類專利的個數(shù)。

(2)專利家族規(guī)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(yè)更傾向于為高質(zhì)量專利付出更多維護費用。專利家族規(guī)模越大，專利技術(shù)價值和經(jīng)濟價值也就越高[11]。第i類專利家族規(guī)模計算公式為：

家族規(guī)模i=∑j專利j所在家族規(guī)模/Patentnumi

(6)

(3)專利獨立權(quán)利要求項數(shù)。獨立權(quán)利要求專利發(fā)明具有新穎性特征，獨立權(quán)利要求數(shù)量越多意味著專利所包含的技術(shù)發(fā)明也越多，產(chǎn)權(quán)保護范圍越廣，專利價值越高，專利技術(shù)發(fā)展?jié)摿σ簿驮酱骩12-13]。第i類專利獨立權(quán)利要求項數(shù)計算公式為：

獨立權(quán)利要求項數(shù)i=∑j專利j的獨立權(quán)利要求數(shù)/Patentnumi

(7)

(4)專利發(fā)明人數(shù)。Briggs & Wade[14]研究發(fā)現(xiàn)，專利發(fā)明人數(shù)與專利質(zhì)量成正比。專利發(fā)明人數(shù)越多，企業(yè)間合作越緊密，專利知識越多樣化，專利技術(shù)發(fā)展?jié)摿σ簿驮酱?蔡中華等，2020)。第i類專利發(fā)明人數(shù)計算公式為：

發(fā)明人數(shù)i=∑j專利j發(fā)明人數(shù)/Patentnumi

(8)

4.1.2 外部評價指標(biāo)

(1)專利被引用量。專利被引用量越多意味著技術(shù)發(fā)明所作的貢獻越大，因而越具有經(jīng)濟價值和技術(shù)價值[15-16]。為對發(fā)布時間不同的專利進行統(tǒng)一比較，本研究使用專利發(fā)布后4年內(nèi)的被引用量度量該指標(biāo)[17-18]。第i類專利被引用量計算公式為：

被引用量i=∑j專利j在4年內(nèi)的被引數(shù)量/Patentnumi

(9)

(2)專利訴訟量。企業(yè)更愿意對高質(zhì)量專利發(fā)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(shù)。第i類專利訴訟量計算公式為：

訴訟量i=∑j專利j的訴訟量/Patentnumi

(10)

(3)專利知識產(chǎn)權(quán)成本。該指標(biāo)根據(jù)Innography數(shù)據(jù)庫中的專利維持成本、起訴成本等計算得出。若指標(biāo)得分較高，說明專利在較長一段時間內(nèi)具有較高的技術(shù)價值和經(jīng)濟價值，因而更有可能占據(jù)主流市場。本研究使用專利年平均成本這一指標(biāo)對其進行度量，以避免因?qū)＠鏁r間不同而造成誤差。第i類專利知識產(chǎn)權(quán)成本計算公式為：

知識產(chǎn)權(quán)成本i=(∑j專利j的知識產(chǎn)權(quán)成本/專利j的生存時間)/Patentnumi

(11)

4.1.3 總體評價指標(biāo)

專利強度在Innography數(shù)據(jù)庫中結(jié)合專利引用、訴訟、截止日期等10項指標(biāo)構(gòu)建而成。專利強度取值范圍為0～10，數(shù)值越大說明專利質(zhì)量越高，技術(shù)潛力越大。第i類專利強度計算公式為：

專利強度i=∑j專利j的專利強度/Patentnumi

(12)

預(yù)測組各專利評價指標(biāo)對比結(jié)果如表5所示。從中可見：①可持續(xù)性技術(shù)(類2)引用量、家族規(guī)模、獨立權(quán)利要求項數(shù)、訴訟量、知識產(chǎn)權(quán)成本和專利強度均高于其它技術(shù)，說明該類技術(shù)知識更加多樣、新穎，企業(yè)付出更多研發(fā)成本和維護費用，因而技術(shù)價值最高、潛力最大；②去除特定污染物技術(shù)(類1)在上述6個指標(biāo)方面均顯著低于其它類別，說明技術(shù)價值最低，企業(yè)已經(jīng)放棄對該類技術(shù)專利的申請與維護，且未在檢驗組中出現(xiàn)，說明2016-2019年已逐漸被其它兩類技術(shù)所取代。

需要說明的是，可持續(xù)性技術(shù)(類2)專利被引用量和發(fā)明人數(shù)指標(biāo)取值最低，可能是因為可持續(xù)性技術(shù)正處于從引入階段到發(fā)展階段的過渡期[19]，技術(shù)成熟度不高，且企業(yè)之間的技術(shù)研發(fā)與合作較少。同樣地，該類技術(shù)CPC所占比例也反映了這一現(xiàn)象。從圖5和圖6 可以看出，相較于其它兩類技術(shù)，在預(yù)測組類2和檢驗組類a中(可持續(xù)性技術(shù)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(shù)所屬知識僅在少數(shù)專利中出現(xiàn)，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(shù)范式。此外，預(yù)測組類2與檢驗組類a作為同一類可持續(xù)性技術(shù)，在整個樣本數(shù)據(jù)中的占比從預(yù)測組的73.28%增加到檢驗組的75.85%，說明該類技術(shù)市場占有率較高且呈增長態(tài)勢。

表5 預(yù)測組各專利類別評價指標(biāo)Tab.5 Evaluation indicators of each patent category in the prediction set

4.2 技術(shù)生命周期分析

企業(yè)在投資技術(shù)之前需要判斷技術(shù)生命周期，從而準(zhǔn)確投資處于上升期且發(fā)展?jié)摿^大的技術(shù)[19]。本研究結(jié)合K-means聚類和專利靜態(tài)評價指標(biāo)，進一步從動態(tài)視角分析每類技術(shù)的生命周期。學(xué)者通常利用專利申請信息分析技術(shù)生命周期[11,20-22]，這是因為：①一項專利代表一個技術(shù)，專利技術(shù)信息能夠為分析技術(shù)發(fā)展趨勢提供較好的證據(jù)；②一項專利被頒布意味著其具有較大的商業(yè)潛力，能夠保證樣本數(shù)據(jù)的有效性；③專利數(shù)據(jù)能夠反映整個技術(shù)生命周期；④專利數(shù)據(jù)可獲取性高，利用專利數(shù)據(jù)庫可以客觀分析專利信息[19]。Andersen[20]以單一專利申請數(shù)增速分析技術(shù)生命周期各個階段，總結(jié)出S型技術(shù)發(fā)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(shù)所處發(fā)展階段。本研究結(jié)合專利申請數(shù)量和申請人數(shù)量，通過雙重指標(biāo)變化趨勢清晰區(qū)分技術(shù)發(fā)展不同階段。

本文根據(jù)屬于特定技術(shù)類別的專利申請人數(shù)與專利申請數(shù)之間的關(guān)系，將技術(shù)發(fā)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(shù)剛誕生，專利申請人數(shù)和專利申請數(shù)很少。第二階段為發(fā)展階段，研發(fā)活動較為活躍，行業(yè)進入者增多，專利數(shù)和申請人數(shù)迅速增長。第三階段為成熟階段，市場已產(chǎn)生主流技術(shù)范式，研發(fā)活動大大減少，專利申請數(shù)增長速度放緩，申請人數(shù)量減少。此時，技術(shù)商業(yè)價值下降，技術(shù)領(lǐng)域已不具有發(fā)展?jié)摿?。第四階段為衰退期，專利數(shù)和申請人數(shù)呈下降趨勢，技術(shù)逐漸被淘汰。第五階段為恢復(fù)期，基于基礎(chǔ)技術(shù)的新技術(shù)出現(xiàn)，市場逐漸恢復(fù)并進入下一個循環(huán)期。

圖8～圖10分別為預(yù)測組第一、二、三類技術(shù)生命周期曲線，橫、縱坐標(biāo)軸分別代表2008-2015年專利申請人數(shù)和專利申請數(shù)。從圖8可以看出，去除特定污染物技術(shù)(第一類技術(shù))處于第四階段，曲線端點位置表明專利申請人數(shù)和專利申請數(shù)已降至最低水平，說明該技術(shù)已被淘汰，驗證了上文靜態(tài)預(yù)測結(jié)果。這是因為，去除某種特定污染物技術(shù)適用范圍較小，隨著人類生產(chǎn)生活方式逐漸向清潔生產(chǎn)與消費模式轉(zhuǎn)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(fā)生改變。因此，原有污水處理技術(shù)無法適應(yīng)新處理要求，使企業(yè)陷入污水處理技術(shù)鎖定困境(趙蕓潼等，2020)。

在圖9、圖10中，專利申請人數(shù)和專利申請數(shù)量呈遞增趨勢，可持續(xù)性技術(shù)專利申請人數(shù)增速更快。2008-2015年，可持續(xù)性技術(shù)專利申請人數(shù)由478人增至1 149人，增加了140.38%；專利申請數(shù)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(shù)增長率的2倍，說明該技術(shù)處于從引入階段到發(fā)展階段的過渡期，技術(shù)發(fā)展?jié)摿^大，從動態(tài)視角驗證了上文靜態(tài)分析結(jié)果的可靠性。

物理化學(xué)類技術(shù)發(fā)展趨勢也為未來水體凈化技術(shù)發(fā)展提供了新視角。從圖10可以看出，物理化學(xué)類技術(shù)專利數(shù)與專利申請人數(shù)增長趨勢雖然緩慢，但技術(shù)生命周期曲線呈上升趨勢，說明該類技術(shù)處于發(fā)展期，具有較好的應(yīng)用前景。因此，與第一類技術(shù)不同，物理化學(xué)類技術(shù)雖不是未來最具有發(fā)展空間的技術(shù)類別，但已經(jīng)打下堅實基礎(chǔ)，且可處理污染物范圍更廣，因此企業(yè)可繼續(xù)使用物理化學(xué)類技術(shù)，或?qū)⑵鋺?yīng)用于水處理過程的不同環(huán)節(jié)，從而在達到清潔生產(chǎn)目標(biāo)的同時降低使用新技術(shù)的轉(zhuǎn)換成本。

圖7 技術(shù)生命周期 圖8 預(yù)測組第一類技術(shù)生命周期 Fig.7 Technology lifecycle Fig.8 The first class technology lifecycle in prediction set

圖9 預(yù)測組第二類技術(shù)生命周期 圖10 預(yù)測組第三類技術(shù)生命周期 Fig.9 The second class technology lifecycle in prediction set Fig.10 The third class lifecycle technology in prediction set

5 結(jié)論與啟示

5.1 研究結(jié)論

本研究從Innography數(shù)據(jù)庫中選取水體凈化行業(yè)3 552個專利，采用多維標(biāo)度和K均值聚類法分析技術(shù)發(fā)展?jié)摿?，通過技術(shù)生命周期分析判斷每類技術(shù)所處發(fā)展階段及發(fā)展趨勢，得出如下結(jié)論：

(1)多維標(biāo)度分析與K均值聚類相結(jié)合的技術(shù)預(yù)見方法更具有穩(wěn)健性。本研究在聚類前首先對孤立點進行處理并根據(jù)輪廓系數(shù)確定聚類數(shù)，克服了直接進行K均值聚類易導(dǎo)致的主觀缺陷；既采用靜態(tài)指標(biāo)分析專利所包含的知識元素，又從動態(tài)視角根據(jù)技術(shù)生命周期階段判斷技術(shù)未來發(fā)展趨勢，靜態(tài)與動態(tài)分析相互印證，提高了預(yù)測結(jié)果的可信性。

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

(3)2008-2019年，水體凈化行業(yè)技術(shù)結(jié)構(gòu)發(fā)生改變，去除特定污染物技術(shù)逐漸被淘汰，行業(yè)更傾向于使用多種技術(shù)聯(lián)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(shù)適用范圍較窄，不利于企業(yè)產(chǎn)品線拓展，而多種技術(shù)聯(lián)合污水處理方式為企業(yè)隨市場需求調(diào)整產(chǎn)品線拓寬了選擇空間。

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

5.2 對策建議

基于以上研究結(jié)論，結(jié)合污水處理行業(yè)現(xiàn)狀，本文提出如下對策建議：

(1)目前，企業(yè)污水處理往往只關(guān)注對廢水的循環(huán)利用，大量污染物在經(jīng)過處理后被排放，極易造成資源流失。本文研究結(jié)果表明，污染物回收再利用是未來主流技術(shù)范式，企業(yè)在技術(shù)升級過程中應(yīng)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(yǎng)物質(zhì)。Qi等[24]研究發(fā)現(xiàn)，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(biāo)問題時應(yīng)追求資源(污染物)循環(huán)利用，實現(xiàn)減排、節(jié)能、資源循環(huán)利用并舉的全過程綠色創(chuàng)新。

(2)當(dāng)前，水體凈化技術(shù)在處理廢水時造成了嚴(yán)重的環(huán)境污染。Nakkasunchi等[25]研究發(fā)現(xiàn)，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(huán)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(fā)現(xiàn)，使用太陽能等清潔能源技術(shù)是未來主要發(fā)展方向。因此，企業(yè)應(yīng)選擇“凈效益”(污染物處理效益+環(huán)境效益)為正的水處理技術(shù)，在達到污水排放目標(biāo)的同時也要考慮污水處理過程對環(huán)境造成的負面影響，選擇光催化降解等處理技術(shù)。

(3)企業(yè)采用優(yōu)化水體凈化技術(shù)時面臨大量轉(zhuǎn)換成本鎖定問題，在某種程度上制約了污水處理技術(shù)升級。Changotra等[26]研究發(fā)現(xiàn)，在制藥、醫(yī)療等產(chǎn)生大量含毒有機廢水的行業(yè)，使用化學(xué)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(fù)雜化合物無法用傳統(tǒng)單一技術(shù)處理，將新技術(shù)與傳統(tǒng)技術(shù)相結(jié)合能夠有效解決這一問題，如引入電子束輻照。本文研究發(fā)現(xiàn)，最具前景的可持續(xù)性技術(shù)類別同時包含化學(xué)、生物和光催化降解等多種技術(shù)，大多數(shù)企業(yè)目前使用的物理化學(xué)類技術(shù)依然處于發(fā)展階段。因此，企業(yè)在污水處理過程中可采用多類技術(shù)聯(lián)合、新舊技術(shù)聯(lián)合的處理方式，如將物理化學(xué)類技術(shù)與可持續(xù)性技術(shù)相結(jié)合，以降低企業(yè)采用新技術(shù)的轉(zhuǎn)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(yè)檢驗技術(shù)預(yù)見方法的適用性，未使用其它行業(yè)數(shù)據(jù)進行驗證，未來可將本文研究方法拓展到其它行業(yè)，如新能源汽車行業(yè)，檢驗本文預(yù)見方法的穩(wěn)健性。第二，限于篇幅，只根據(jù)專利CPC分類號對技術(shù)所屬類別進行分類，未深入探討專利的具體內(nèi)容，未來可使用文本分析法，從專利摘要、權(quán)利要求等方面分析專利所屬類別，再結(jié)合本文預(yù)見方法判斷技術(shù)發(fā)展前景。第三，雖然發(fā)現(xiàn)能夠回收雙重污染物的可持續(xù)性技術(shù)是未來主要發(fā)展方向，但未探討其所產(chǎn)生的環(huán)境效益，未來可進一步分析可持續(xù)性技術(shù)能夠在多大程度上降低二次污染。