近日，中国科学技术信息研究所发布了《2022年中国科技论文统计报告》，并评选出本年度百篇最具影响国际学术论文和中国百篇最具影响国内学术论文。我校主办的《地学前缘（英文版）》（Geoscience Frontiers）有两篇文章入选中国百篇最具影响国际学术论文。

2022年入选的“中国百篇最具影响国际学术论文”，是从2021年SCI收录的我国第一作者论文中选取的。这 100 篇最具影响国际学术论文来自于Nature、Science、Cell等63种国际期刊以及Chinese Journal of Catalysis、National Science Review、Geoscience Frontiers等6种国内期刊，论文作者分属于 82 个机构，分布于化学、临床医学、生物学、物理学、材料科学等 26 个学科。入选论文全部为2021年中国卓越国际科技论文，依据论文的领先性和在学科中的相对优势，结合论文的创新性、发表论文的期刊水平、是否处于研究前沿、合著论文中我国作者的主导性、是否原创性研究成果等指标进行遴选。

两篇发表于我校期刊的论文信息如下：

1. Zhou, Jian; Qiu, Yingui; Armaghani, Danial Jahed; Zhang, Wengang; Li, Chuanqi; Zhu, Shuangli; Tarinejad, Reza. Predicting TBM penetration rate in hard rock condition: A comparative study among six XGB-based metaheuristic techniques. Geoscience Frontiers, 2021, 12(3): 101091.

题目：在硬岩条件下预测TBM的掘进速度——基于XGB的六种启发式方法的比较研究

摘要：对隧道掘进机（TBM) 的掘进性能进行准确可靠地估算有助于最大限度地保证TBM的掘进安全、提高掘进效率，并优化施工成本。以往的研究方法通常考虑有限的参数，对数据异常值较为敏感，无法提供TBM所需的性能精度，也无法准确描述其复杂的非线性关系。本文通过运用大数据、智能算法等新技术，在充分考虑其影响因素的基础上提出了一种基于六类元启发式优化技术的集成模型（MOT-XGB），实现了对TBM掘进性能的高精度估算。在真实隧道TBM掘进数据集上的实验结果表明，构建的元启发式技术能有效提高模型的TBM性能预测精度，所提出的MOT-XGB模型具有良好的TBM工程适用性和有效性，有助于提高TBM控制决策的科学性。

2. Zhang, Wengang; Wu, Chongzhi; Zhong, Haiyi; Li, Yongqin; Wang, Lin. Prediction of undrained shear strength using extreme gradient boosting and random forest based on Bayesian optimization. Geoscience Frontiers, 2021, 12(1): 469-477.

题目：基于贝叶斯优化的XGBoost和随机森林模型对不排水抗剪强度预测

摘要：本研究基于TC304数据库采用XGBoost和随机森林算法对软敏粘土不排水抗剪强度进行预测研究。为了减少对经验法则的依赖和低效的暴力搜索，应用贝叶斯优化方法确定模型的超参数。在5倍交叉验证下，将所开发的模型与三种比较机器学习方法和两种转换模型进行了综合比较，并提供了特征重要度排序，增强了模型的可解释性，在岩土参数预测中具有较好的应用前景。

Geoscience Frontiers · 地学前缘（英文版）

《地学前缘（英文版）》为中国地质大学（北京）与北京大学共同主办的英文地学期刊，2010年创刊，办刊目标旨在利用两校地学研究的优势，通过强强联合逐步打造一份地学研究内容前缘性强、英语水平高且能吸引全球地学研究者关注的优秀的国际性地学期刊，由此促进中国与国际在地球科学及交叉学科领域的科技成果交流。期刊现任主编莫宣学院士，编辑顾问M.Santosh教授。2016年被科学引文索引数据库收录，2017-2021连续五年影响因子稳居学科前15%，Q1区。