能源互聯(lián)網(wǎng)信息技術(shù)研究綜述

王繼業(yè)，孟坤，曹軍威，等

摘要：目的：鑒于可再生能源將在一定程度上緩解能源供給的緊張局勢(shì)，且在未來能源體系中的地位將日益凸顯。為系統(tǒng)解決當(dāng)前可再生能源與已有能源系統(tǒng)的有機(jī)融合所面臨的諸多問題，明晰構(gòu)建能源互聯(lián)網(wǎng)所必需面對(duì)的挑戰(zhàn)。從基礎(chǔ)架構(gòu)角度總結(jié)能源、信息基礎(chǔ)設(shè)施發(fā)展的一般規(guī)律，闡述能源互聯(lián)網(wǎng)概念和基本特征；總結(jié)能源互聯(lián)網(wǎng)體系結(jié)構(gòu)與技術(shù)框架、綜述國內(nèi)外相關(guān)信息技術(shù)研究成果；詳細(xì)分析發(fā)展能源互聯(lián)網(wǎng)過程中信息技術(shù)所面臨的關(guān)鍵問題和挑戰(zhàn)。方法：借鑒信息技術(shù)領(lǐng)域的互聯(lián)網(wǎng)理念、方法與技術(shù)等成果，梳理能夠保證能源生產(chǎn)、傳輸?shù)较M(fèi)全過程、各階段需求的開放對(duì)等、便捷接入、智慧用能的能源互聯(lián)網(wǎng)架構(gòu)及其所需的信息技術(shù)?；ヂ?lián)網(wǎng)是當(dāng)前信息服務(wù)的基礎(chǔ)設(shè)施之一，其成功得益于開放、高效的標(biāo)準(zhǔn)和可擴(kuò)展的架構(gòu)，并成為了最為成功的系統(tǒng)運(yùn)行模式。為了明晰能源互聯(lián)網(wǎng)信息技術(shù)的研究方向，本文從能源互聯(lián)網(wǎng)的概念和設(shè)計(jì)目標(biāo)出發(fā)，明確了能源互聯(lián)網(wǎng)的概念內(nèi)涵為構(gòu)造具有互聯(lián)網(wǎng)特征的智慧能源基礎(chǔ)設(shè)施平臺(tái)。通過梳理互聯(lián)網(wǎng)成功運(yùn)行的核心技術(shù)，從服務(wù)對(duì)象、架構(gòu)、目的、相關(guān)協(xié)議、服務(wù)及相互關(guān)系等方面對(duì)比信息互聯(lián)網(wǎng)與能源互聯(lián)網(wǎng)的特點(diǎn)，分析現(xiàn)有能源互聯(lián)網(wǎng)的研究原型，從主體職能發(fā)展、建設(shè)功能需求等角度對(duì)能源互聯(lián)網(wǎng)的發(fā)展模式展開分析，梳理相關(guān)的信息技術(shù)。通過總結(jié)相關(guān)信息技術(shù)的成功運(yùn)用，從結(jié)構(gòu)組織優(yōu)化、信息傳輸共享、能源調(diào)配控制、模塊融合協(xié)同等共性信息技術(shù)問題進(jìn)行梳理。此外，還針對(duì)大數(shù)據(jù)、物聯(lián)網(wǎng)等新技術(shù)在能源互聯(lián)網(wǎng)中應(yīng)用的可行模式進(jìn)行探討。結(jié)果：對(duì)能源互聯(lián)網(wǎng)存在3種不同的理解，（1）側(cè)重信息互聯(lián)網(wǎng)，本質(zhì)與當(dāng)前的智能電網(wǎng)類似，以歐洲的e-energy為典型代表。（2）側(cè)重能源網(wǎng)絡(luò)結(jié)構(gòu)，借鑒互聯(lián)網(wǎng)開放對(duì)等的理念和體系架構(gòu)，實(shí)質(zhì)為一種分布式的能源網(wǎng)絡(luò)，以美國的 FREEDM 為典型代表。（3）革新性能源互聯(lián)網(wǎng)，互聯(lián)網(wǎng)技術(shù)和能源網(wǎng)絡(luò)的深度融合，能源和信息的雙向通信，信息流支撐能源調(diào)度，能源流引導(dǎo)用戶決策，最大限度地利用可再生能源，以日本的數(shù)字電網(wǎng)、電力路由器為代表。未來能源互聯(lián)網(wǎng)將逐步走向統(tǒng)一，其將是能夠充分繼承現(xiàn)有能源供給系統(tǒng)（能源生產(chǎn)、能源傳輸、能源存儲(chǔ)等）的基礎(chǔ)設(shè)施，能夠通過新能源技術(shù)與互聯(lián)網(wǎng)技術(shù)的深入融合，實(shí)現(xiàn)將大量分布式能量采集裝置和分布式能量儲(chǔ)存裝置互聯(lián)起來，通過智能化的管理，實(shí)現(xiàn)能量和信息雙向流動(dòng)的能源對(duì)等交換和共享。能源互聯(lián)網(wǎng)具備的特征至少應(yīng)包括，（1）分布式。（2）聯(lián)接互動(dòng)。（3）開放性。（4）安全性。（5）健壯性。（6）基礎(chǔ)設(shè)施繼承性。能源互聯(lián)網(wǎng)的架構(gòu)發(fā)展是互聯(lián)網(wǎng)與能源網(wǎng)絡(luò)的融合過程，發(fā)展途徑包括“1＋1”和“1×1”模式，前者保證對(duì)已有資產(chǎn)的繼承，后者保證新建系統(tǒng)的高效。系統(tǒng)規(guī)劃技術(shù)、電子控制技術(shù)、信息通信網(wǎng)絡(luò)技術(shù)、能源技術(shù)、管理調(diào)度技術(shù)等構(gòu)成了能源互聯(lián)網(wǎng)的支撐技術(shù)，其中網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)、通信網(wǎng)絡(luò)、標(biāo)準(zhǔn)與協(xié)議設(shè)計(jì)等是必須的信息技術(shù)。在相關(guān)能源技術(shù)中，當(dāng)前急需突破的熱點(diǎn)包括：多類型能源的優(yōu)化調(diào)度、開放智能的能源控制、綜合信息獲取與高效利用等，物聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)在能源互聯(lián)網(wǎng)中的應(yīng)用方法。結(jié)論：能源互聯(lián)網(wǎng)發(fā)展受到使用主體職責(zé)的影響，必然采用互聯(lián)網(wǎng)理念、方法和技術(shù)，最終構(gòu)建能源—信息融合的基礎(chǔ)設(shè)施體系，實(shí)現(xiàn)能源、信息網(wǎng)絡(luò)的革新。能源互聯(lián)網(wǎng)信息技術(shù)研究領(lǐng)域面臨的熱點(diǎn)問題得到了系統(tǒng)梳理，作為極其復(fù)雜的工程系統(tǒng)，本文總結(jié)的可行研究方法和可能遇到的挑戰(zhàn)為開展支撐能源互聯(lián)網(wǎng)發(fā)展的基礎(chǔ)技術(shù)研究工作提供了方向。未來在該方面的所取得的研究成果不僅具有學(xué)術(shù)價(jià)值，還具有重要的戰(zhàn)略意義，是使我國在相關(guān)領(lǐng)域保持先機(jī)的重要保證。

來源出版物：計(jì)算機(jī)研究與發(fā)展, 2015, 52(5)：1109-1126

入選年份：2016

大數(shù)據(jù)分析的無限深度神經(jīng)網(wǎng)絡(luò)方法

張蕾，章毅

摘要：目的：深度神經(jīng)網(wǎng)絡(luò)（deep neural networks，DNNs）及其學(xué)習(xí)算法，作為成功的大數(shù)據(jù)分析方法，已為學(xué)術(shù)界和工業(yè)界所熟知。與傳統(tǒng)方法相比，深度學(xué)習(xí)方法以數(shù)據(jù)驅(qū)動(dòng)、能自動(dòng)地從數(shù)據(jù)中提取特征（知識(shí)），對(duì)于分析非結(jié)構(gòu)化、模式不明多變、跨領(lǐng)域的大數(shù)據(jù)具有顯著優(yōu)勢(shì)。目前，在大數(shù)據(jù)分析中使用的深度神經(jīng)網(wǎng)絡(luò)主要是前饋神經(jīng)網(wǎng)絡(luò)（feedforward neural networks，F(xiàn)NNs），這種網(wǎng)絡(luò)擅長提取靜態(tài)數(shù)據(jù)的相關(guān)關(guān)系，適用于基于分類的數(shù)據(jù)應(yīng)用場(chǎng)景。但是受到自身結(jié)構(gòu)本質(zhì)的限制，它提取數(shù)據(jù)時(shí)序特征的能力有限。無限深度神經(jīng)網(wǎng)絡(luò)（infinite deep neural networks）是一種具有反饋連接的回復(fù)式神經(jīng)網(wǎng)絡(luò)（recurrent neural networks，RNNs），本質(zhì)上是一個(gè)動(dòng)力學(xué)系統(tǒng)，網(wǎng)絡(luò)狀態(tài)隨時(shí)間演化是這種網(wǎng)絡(luò)的本質(zhì)屬性，它耦合了“時(shí)間參數(shù)”，更加適用于提取數(shù)據(jù)的時(shí)序特征，從而進(jìn)行大數(shù)據(jù)的預(yù)測(cè)。將這種網(wǎng)絡(luò)反饋結(jié)構(gòu)在時(shí)間維度展開，隨著時(shí)間的運(yùn)行，這種網(wǎng)絡(luò)可以“無限深”，故稱之為無限深度神經(jīng)網(wǎng)絡(luò)。本文將重點(diǎn)介紹這種網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和若干學(xué)習(xí)算法及其在語音識(shí)別和圖像理解領(lǐng)域的成功實(shí)例。方法：“無限深度網(wǎng)絡(luò)”，是一種全互連的回復(fù)式神經(jīng)網(wǎng)絡(luò)，神經(jīng)元之間存在反饋連接，其學(xué)習(xí)算法有兩種：BPTT（backpropagation through time）和RTRL（real-time recurrent learning）。BPTT算法是經(jīng)典BP算法的擴(kuò)展，采用“誤差”回傳的方式更新網(wǎng)絡(luò)。它首先將無限深度神經(jīng)網(wǎng)絡(luò)按時(shí)間步展開變換為一個(gè)前饋網(wǎng)絡(luò)，展開后的前饋網(wǎng)絡(luò)，每層具有相同的權(quán)值，且與原來的回復(fù)式網(wǎng)絡(luò)權(quán)值相同。根據(jù)階段性和連續(xù)性兩種不同的網(wǎng)絡(luò)權(quán)值調(diào)整方式，進(jìn)而形成了Epochwise BPTT和Real-time BPTT兩種算法。與BPTT不同，RTRL是一種前向傳播“活動(dòng)性”信息的算法，該方法采用連續(xù)更新網(wǎng)絡(luò)權(quán)值的方式進(jìn)行訓(xùn)練。BPTT和RTRL分別在“誤差”和“活動(dòng)性”信息傳遞的過程中存在“梯度爆炸”和“梯度消失”的問題，為解決梯度問題，利用神經(jīng)元與自身的線性反饋連接的LSTM（long short-term memory）及其各種變形相繼被提出并得到廣泛應(yīng)用。結(jié)果：“無限深度網(wǎng)絡(luò)”在語音識(shí)別、圖像理解等領(lǐng)域均取得了成功。（1）在圖像理解領(lǐng)域，Donahue J等人的論文采用LRCN（Longterm Recurrent Convolutional Network）模型在行為識(shí)別、圖像理解、視頻理解領(lǐng)域進(jìn)行了研究并取得了較好的結(jié)果。（2）在語音識(shí)別領(lǐng)域，Sutskever I等的論文利用LSTM模型直接翻譯輸入語句，以實(shí)現(xiàn)將英語語句翻譯為法語語句的任務(wù)，并用實(shí)驗(yàn)表明LSTM相比于其他語義理解算法能夠取得更高的分?jǐn)?shù)，其優(yōu)勢(shì)尤其體現(xiàn)在短句的理解與翻譯。（3）在文本理解領(lǐng)域，無限深度網(wǎng)絡(luò)能夠按順序處理一段話中的每個(gè)單詞，在處理后面的內(nèi)容時(shí)，網(wǎng)絡(luò)的參數(shù)里還保留了前文信息的“抽象和整合”。結(jié)論：“無限深度神經(jīng)網(wǎng)絡(luò)”在處理時(shí)序數(shù)據(jù)方面具有巨大的潛力，在大數(shù)據(jù)分析預(yù)測(cè)任務(wù)中的強(qiáng)大計(jì)算能力日益顯現(xiàn)。隨著“結(jié)合智能計(jì)算的大數(shù)據(jù)分析”成為大數(shù)據(jù)時(shí)代的研究熱點(diǎn)，“無限深度神經(jīng)網(wǎng)絡(luò)”計(jì)算領(lǐng)域更多新的理論和方法將被提出，其應(yīng)用效果也必將不斷被刷新，推動(dòng)大數(shù)據(jù)分析技術(shù)的發(fā)展和革新。

來源出版物：計(jì)算機(jī)研究與發(fā)展, 2016, 53(1)：68-79

入選年份：2016

結(jié)合分?jǐn)?shù)階微分和Canny算子的邊緣檢測(cè)

張桂梅，劉建新，孫曉旭，等

摘要：目的：在基于像素梯度的邊緣檢測(cè)算法中，經(jīng)典的邊緣檢測(cè)算子有Sobel算子、Prewitt算子、Roberts算子、LoG算子及Canny算子，這些經(jīng)典的算子都是基于整數(shù)1階和整數(shù)2階的算子，其中Canny算子被證明是基于像素梯度邊緣檢測(cè)算法中最有效的方法。但是傳統(tǒng)的邊緣檢測(cè)算法對(duì)于具有分形結(jié)構(gòu)等復(fù)雜紋理的圖像和弱邊緣圖像檢測(cè)精度較低，為此本文針對(duì)紋理圖像和弱邊緣圖像進(jìn)行研究，將分?jǐn)?shù)階微積分應(yīng)用到Canny算子中，提出結(jié)合分?jǐn)?shù)階微分和Canny算了的邊緣檢測(cè)方法。方法：將Grünwald-Letnikov（G-L）分?jǐn)?shù)階微分引入到Canny算子中，提出一種新的基于分?jǐn)?shù)階微分的Canny邊緣檢測(cè)算法。設(shè)計(jì)了一種新的基于G-L定義的分?jǐn)?shù)階微分掩模，在分?jǐn)?shù)階階次的選取上更靈活（階次可取正數(shù)和負(fù)數(shù)）；分析了分?jǐn)?shù)階微分掩模中的參數(shù)與邊緣檢測(cè)精度之間的關(guān)系，并引用了3種評(píng)價(jià)指標(biāo)來評(píng)定算法的性能。結(jié)果：將G-L分?jǐn)?shù)階梯度代替Canny中傳統(tǒng)的梯度算子，不但可以增強(qiáng)圖像的細(xì)節(jié)信息，而且可以增強(qiáng)灰度均勻和弱紋理區(qū)域的梯度信息，從而提高了邊緣檢測(cè)的精度和穩(wěn)定性；設(shè)計(jì)了一種新的基于G-L定義的分?jǐn)?shù)階微分掩模，該掩模在分?jǐn)?shù)階階次的選取上更靈活，具有差分方向可調(diào)性，可以根據(jù)不同的需要調(diào)整其差分的方向，其應(yīng)用范圍更廣；并通過實(shí)驗(yàn)給出了邊緣檢測(cè)精度與模板參數(shù)之間的關(guān)系，從而為最佳模板參數(shù)的選取提供了依據(jù)。用綜合圖像和真實(shí)圖像進(jìn)行了實(shí)驗(yàn)，并與傳統(tǒng)的5種邊緣檢測(cè)算子和3種基于分?jǐn)?shù)階微分的邊緣檢測(cè)算法進(jìn)行比較，從檢測(cè)精度，檢測(cè)效率和抗噪性能3方面驗(yàn)證本文算法性能，大量的實(shí)驗(yàn)結(jié)果表明，本文算法在檢測(cè)精度，檢測(cè)效率和抗躁性能方面都有較大的提升。結(jié)論：理論分析和實(shí)驗(yàn)結(jié)果均表明，該算法可用于檢測(cè)圖像中的紋理細(xì)節(jié)和弱邊緣，且檢測(cè)精度和穩(wěn)定性都有明顯的提高，本文算法是Canny算法應(yīng)用的一個(gè)重要延伸。

來源出版物：中國圖象圖形學(xué)報(bào), 2016, 21(8)：1028-1038

入選年份：2016

有向傳感器網(wǎng)絡(luò)覆蓋控制算法

陶丹，馬華東

摘要：目的：覆蓋控制是傳感器網(wǎng)絡(luò)的基本問題之一。近年來，得益于圖像/視頻、紅外、超聲波等傳感器的引入，有向傳感器網(wǎng)絡(luò)覆蓋控制問題得到廣泛關(guān)注并成為研究熱點(diǎn)。本文綜述該領(lǐng)域國內(nèi)外研究成果，指出未來發(fā)展趨勢(shì)。模型：設(shè)計(jì)合理的感知模型以準(zhǔn)確刻畫有向傳感器網(wǎng)絡(luò)感知能力是研究有向傳感器網(wǎng)絡(luò)覆蓋控制的理論基礎(chǔ)。有向傳感節(jié)點(diǎn)包含屬性和行為兩方面特性。其中屬性定義節(jié)點(diǎn)的基本要素：感知半徑、感知方向、感知夾角、視域以及通信半徑等；行為包括運(yùn)動(dòng)和移動(dòng)兩種。特別地，從感知區(qū)域角度，可分為二維模型和三維模型；從感知能力角度，又可分為布爾模型和概率模型。手段：通過合理選擇節(jié)點(diǎn)部署策略，優(yōu)化節(jié)點(diǎn)規(guī)模及布局，整合網(wǎng)絡(luò)整體資源，實(shí)現(xiàn)有向傳感器網(wǎng)絡(luò)覆蓋優(yōu)化。通常采用以下5種手段。（1）冗余部署：以犧牲網(wǎng)絡(luò)成本為代價(jià)，可以分為隨機(jī)部署和計(jì)劃部署兩類。（2）節(jié)點(diǎn)運(yùn)動(dòng)：在附加云臺(tái)設(shè)備等支持下，優(yōu)化節(jié)點(diǎn)的感知方向以降低覆蓋冗余。（3）節(jié)點(diǎn)移動(dòng)：節(jié)點(diǎn)位置移動(dòng)以解決網(wǎng)絡(luò)覆蓋完整性及連通性，但需要外界設(shè)備輔助。（4）添加新節(jié)點(diǎn)：利用二次部署消除網(wǎng)絡(luò)覆蓋空洞，但成本較高。（5）混合策略：部署異構(gòu)節(jié)點(diǎn)實(shí)現(xiàn)全方位多粒度覆蓋。要素：有別于傳統(tǒng)的傳感器網(wǎng)絡(luò)，有向傳感器網(wǎng)絡(luò)覆蓋控制是一個(gè)全新的研究領(lǐng)域，需要綜合權(quán)衡以下設(shè)計(jì)要素：模型準(zhǔn)確性、覆蓋完整性、能量有效性、通信連通性、網(wǎng)絡(luò)動(dòng)態(tài)性、網(wǎng)絡(luò)異構(gòu)性、算法復(fù)雜性/精確性/擴(kuò)展性等。算法：有向傳感器網(wǎng)絡(luò)覆蓋控制研究可以分為4大類。（1）區(qū)域覆蓋：要求目標(biāo)區(qū)域內(nèi)的每一點(diǎn)至少被一個(gè)節(jié)點(diǎn)覆蓋。早期提出基于圖論和計(jì)算幾何的集中式算法，單純從圖形角度優(yōu)化區(qū)域覆蓋。集中式算法優(yōu)點(diǎn)：由匯聚節(jié)點(diǎn)收集網(wǎng)絡(luò)全局拓?fù)洳Q策，覆蓋優(yōu)化性能較好。其局限性在于：不適于大規(guī)模拓?fù)浣Y(jié)構(gòu)頻繁變化網(wǎng)絡(luò)。由此，研究成果多傾向于分布式算法，提出基于圖論、虛擬勢(shì)場(chǎng)、貪心、模擬退火等近似優(yōu)化方法。利用節(jié)點(diǎn)本身及其與鄰居節(jié)點(diǎn)間的交互數(shù)據(jù)，在各節(jié)點(diǎn)上獨(dú)立計(jì)算，實(shí)現(xiàn)分布式?jīng)Q策。此類算法僅需網(wǎng)絡(luò)局部拓?fù)湫畔ⅲ?jì)算復(fù)雜度低。（2）目標(biāo)（點(diǎn)）覆蓋：保證每個(gè)目標(biāo)（點(diǎn)）至少被一個(gè)節(jié)點(diǎn)所覆蓋。針對(duì)最少節(jié)點(diǎn)最大覆蓋這個(gè) NP-complete問題開展廣泛深入研究，先后提出集中式和分布式算法解決，主要采用整數(shù)線性規(guī)劃、貪心、遺傳等優(yōu)化方法。隨即開展有向多覆蓋集研究，找到若干個(gè)感知不相交的覆蓋集，使得該覆蓋集中有向傳感節(jié)點(diǎn)對(duì)區(qū)域中目標(biāo)實(shí)現(xiàn)完全覆蓋，通過多覆蓋集輪流工作的方式延長網(wǎng)絡(luò)工作時(shí)間?？紤]到個(gè)別監(jiān)測(cè)應(yīng)用對(duì)熱點(diǎn)區(qū)域及目標(biāo)的覆蓋具有較高要求，研究有向k覆蓋問題，確保多重覆蓋以提高可靠性。（3）柵欄覆蓋：保證當(dāng)任意移動(dòng)目標(biāo)穿越監(jiān)控區(qū)域時(shí)都能被監(jiān)測(cè)到。按目標(biāo)運(yùn)動(dòng)軌跡可分為強(qiáng)柵欄覆蓋和弱柵欄覆蓋兩類，前者更具有現(xiàn)實(shí)應(yīng)用意義而引起廣泛關(guān)注，先后提出集中式和分布式算法。繼面向網(wǎng)絡(luò)柵欄覆蓋性能的靜態(tài)評(píng)估，探索性開展基于動(dòng)態(tài)持續(xù)旋轉(zhuǎn)感知模型的弱柵欄動(dòng)態(tài)覆蓋控制理論研究。按目標(biāo)穿越模型分最壞與最佳情況覆蓋和暴露覆蓋兩類。前者采用計(jì)算幾何方法中V圖和D三角網(wǎng)實(shí)現(xiàn)最大突破路徑和最大支撐路徑的定義和構(gòu)造，奠定此類研究的理論基礎(chǔ)。后者普遍采用滲透理論解決暴露路徑問題和虛擬力方法解決路徑覆蓋問題。（4）連通覆蓋：研究如何選擇（最少）活躍節(jié)點(diǎn)，實(shí)現(xiàn)對(duì)監(jiān)控目標(biāo)的覆蓋并保持活躍節(jié)點(diǎn)的通信連通。早期研究成果大都設(shè)計(jì)活躍節(jié)點(diǎn)集輪換機(jī)制。隨后，連通點(diǎn)覆蓋部署被證明是NP-Hard問題，并提出一系列近似算法。類似有向感知能力，部分節(jié)點(diǎn)也可能具有定向通信能力，即傳輸能力集中在一定角度范圍以此提高網(wǎng)絡(luò)通信質(zhì)量。采用圖論方法研究網(wǎng)絡(luò)單向通信連通性檢測(cè)問題。基于通信能耗模型，通過動(dòng)態(tài)調(diào)節(jié)橋接節(jié)點(diǎn)通信半徑，以較少能耗實(shí)現(xiàn)網(wǎng)絡(luò)連通空洞的修補(bǔ)。展望：（1）從感知區(qū)域和感知能力出發(fā)，設(shè)計(jì)對(duì)實(shí)際應(yīng)用刻畫更合理有效的新模型。（2）設(shè)計(jì)針對(duì)場(chǎng)景三維空間的立體覆蓋、不規(guī)則表面覆蓋以及全視域覆蓋算法。（3）研究靜態(tài)＋動(dòng)態(tài)/動(dòng)態(tài)＋動(dòng)態(tài)節(jié)點(diǎn)協(xié)同覆蓋，以及對(duì)熱點(diǎn)區(qū)域、移動(dòng)目標(biāo)的跟蹤覆蓋。（4）從傳感節(jié)點(diǎn)和網(wǎng)絡(luò)異構(gòu)特性出發(fā)研究覆蓋控制算法。

來源出版物：軟件學(xué)報(bào), 2011, 22(10)：2317-2334

入選年份：2016