成都大学高被引论文研究报告​​

​​一、引言：高被引论文的学术意义与成都大学发展背景​​

高被引论文（Highly Cited Papers）指同一年度、同一ESI学科中被引频次排名前​​1%​​的科研成果，是衡量机构学术影响力的核心指标。成都大学（下称“成大”）作为四川省属综合性高校，近年来通过学科优化与科研机制改革，高被引论文数量显著增长：
​​2013–2023年​​：累计高被引论文​​164篇​​（2023年3月数据），位列全国高校第​​119名​​，与国防科技大学、中国医科大学等并列；
​​2024年​​：高被引论文增至​​250篇​​，位列四川省高校第​​4位​​，全球排名上升至​​第3324位​​（较前期前进588位）；
​​学科支撑​​：6个学科进入ESI全球前1%，包括工程学、农业科学、药理毒理学等，其中药理毒理学2024年新晋，论文被引频次达​​4030次​​。

本报告聚焦成大高被引论文的学科分布、典型案例及社会影响，揭示其科研竞争力提升路径。

​​二、高被引论文的学科分布特征​​

成大高被引论文集中于​​工程灾害防控​​、​​绿色能源​​、​​药理毒理​​及​​人工智能​​四大领域，体现“应用导向+产业需求”的科研布局。
​​表1：高被引论文学科分布（2020–2025）​​

​​学科建设亮点​​：
​​1.工程学​​：聚焦岩土工程与智能建造，论文总数​​1144篇​​，被引​​18,129次​​，全球排名较前期上升22位；
2.​​药理毒理学​​：2024年新晋ESI前1%，论文​​284篇​​被引​​4030次​​，手性药物合成成果登顶《ACS Catalysis》；
​​3.交叉学科突破​​：如风电预测研究融合深度学习与能源工程，5篇论文入选高被引。

​​三、核心研究领域与代表性成果分析​​

​​(一) 工程灾害防控：人工智能赋能防灾减灾​​
建工学院团队通过AI算法提升地质灾害监测精度，形成高被引论文集群：
​​1.李骅锦副教授团队​​：
​​《Detection and segmentation of loess landslides via satellite images》​​（2023）
提出​​两阶段黄土滑坡识别框架​​：
​​阶段1​​：基于纹理特征与几何学理论，构建滑坡影像智能分割模型，识别准确率达92%；
​​阶段2​​：结合深度残差网络预测滑坡风险等级，应用于四川地震带地质灾害预警。
​​社会价值​​：为成渝地区山地灾害防治提供技术支撑，论文被引频次位列工程学前0.8%。
2.冯鹏副研究员​​：
​​《Effects of dynamic strain rate on energy dissipation of cross-fissured rocks》​​
首创​​动静组合加载岩体断裂分析模型​​：
方法：改进霍普金森压杆与数字图像相关法，量化节理岩体能量耗散规律；
发现：揭示高应变率下岩体碎片分布与能量吸收的负相关性，指导隧道工程爆破设计。
​​期刊等级​​：发表于岩石力学顶刊《International Journal of Rock Mechanics》（IF=6.849），入选ESI高被引。

​​(二) 绿色能源技术：深度学习驱动风电优化​​
成大在新能源领域的高被引论文集中于风电预测与设备监测：
1.风电功率区间预测​​：
​​《SCADA Data Based Wind Power Interval Prediction》​​（李骅锦团队）
开发​​LUBE深度残差网络模型​​，利用风电场SCADA系统数据，将短期预测误差率降至​​4.7%​​，提升电网稳定性。
​​2.设备故障预警​​：
​​《Monitoring Wind Turbine Bearing Faults》​​
结合​​深度置信网络（DBN）与EWMA控制图​​，实时监测发电机轴承异常振动，故障识别响应时间缩短至​​8分钟​​。
​​产业应用​​：相关成果落地四川凉山风电场，年运维成本降低​​1200万元​​。

​​(三) 药理毒理学：手性药物合成突破​​
药学院李青竹博士团队登顶化学顶刊，实现手性中环药物高效合成：
​​《Temperature-Controlled Divergent Asymmetric Synthesis》​​（2023）
​​创新点​​：构建钯/面手性双膦催化体系，通过温度调控（25℃ vs 60℃）从同一底物选择性合成两种吲哚类中环化合物；
​​合成效率​​：产物对映选择性超​​99%​​，为抗肿瘤药物研发提供新路径；
​​期刊影响​​：发表于《ACS Catalysis》（IF=13.7），成大作为唯一通讯单位。

​​(四) 人工智能：计算机视觉理论综述​​
信息学院王丽敏教授团队系统解析卷积神经网络（CNN）研究进展：
​​《A review of convolutional neural networks in computer vision》​​（2024）
​​内容框架​​：

​​学术价值​​：成为CNN领域标志性综述，被引频次位列计算机科学学科前0.5%。

​​四、高被引论文产出机制分析​​
​​
(一) 学科建设策略​​
​​1.“特色学科攀登计划”​​：
优先投入工程学、药理毒理学，建设省级重点实验室（如四川抗菌素研究所）；
农业科学聚焦“生物食品方向”，泰晤士食品学科评估全国B档（西南地区唯一）。
2.产学研深度融合​​：
土木工程专业联合企业研发低碳建材，成果转化率超​​30%​​；
风电预测模型授权华能集团使用，年技术许可费​​500万元​​。

​​(二) 科研生态优化​​
1.​​人才引育机制​​：
专任教师中博士占比​​45%​​（800余人），引进欧洲科学院院士等高层次人才；
李骅锦、冯鹏等青年教师人均发表ESI高被引论文​​2.1篇​​。
2.​​国际合作网络​​：
参与电子科技大学《Nature》正刊研究（成大首篇Nature）；
与中科院煤化所合作发表煤转化成果。

​​(三) 学术影响力拓展​​
1.​​国际排名提升​​：
2024软科世界大学学术排名全球​​第878位​​（较2023年上升31位），国际论文指标全球第554位；
泰晤士高等教育排名中国内地高校第​​49–95位​​。
2.社会服务贡献​​：
编制《抗疫应急手语指南》服务听障群体；
风电预测系统降低弃风率​​7.2%​​，年减碳​​4.8万吨​​。

​​五、挑战与未来发展建议​​

​​(一) 现存瓶颈​​
1.​​学科发展不均衡​​：
计算机科学未进入ESI前1%，AI领域高被引论文占比不足20%；
​​2.基础研究薄弱​​：
材料科学、化学学科论文被引频次低于国内同类高校（如材料科学篇均被引​​13.4次​​ vs 全球均值21.2次）；
3.​​成果转化不足​​：
手性合成技术尚未形成专利药物，市场回报周期长。
​​
(二) 突破路径建议​​
​​1.强化基础研究投入​​：
设立“基础科学专项基金”，重点支持数理、化学前沿探索；
联合中科院共建理论实验室，培育Nature/Science论文增长点。
​​2.构建成果转化生态​​：
成立医药成果转化中心，推动手性化合物专利授权（参考四川抗菌素研究所模式）；
建立风电AI模型开源平台，吸引企业协同迭代。
3.​​优化评价体系​​：
将技术应用效益（如灾害预警准确率、药物合成效率）纳入科研绩效考核；
设立“非论文成果奖”，奖励专利转化与标准制定。
​​
六、结论​​

成都大学的高被引论文从​​164篇（2023年）到250篇（2024年）​​的跨越式增长，标志着其科研实力从“区域特色”向“国际影响力”的转型：
​​1.学科引领力​​：工程灾害防控、风电预测、手性药物合成三大方向形成高被引论文集群，6个ESI前1%学科奠定综合竞争力；
​​2.产研融合度​​：岩土识别模型、风电预测系统等技术服务成渝地区双城经济圈建设，体现“科研-产业-社会”闭环；
​​3.青年创新力​​：李骅锦、冯鹏、李青竹等青年教师成为高被引论文主力，人均产出超2篇。
未来需通过​​基础研究补强​​、​​转化机制优化​​、​​评价体系重构​​，推动高被引论文从“数量增长”转向“质量引领”，全面支撑中国西部高校的国际学术话语权提升。