2022年11月，公司教师李敬明在校定C级期刊《Scientific Reports》发表题为“A parallel integrated learning technique of improved particle swarm optimization and BP neural network and its application”的论文。该论文研究提出一种佳点集粒子群算法（GPSAPSO）与反向传播神经网络（BPNN）融合的增强集成学习技术。首先，利用佳点集理论生成具有均匀初始空间分布的粒子群，通过采用多群体协同进化策略，并引入随迭代次数动态调整惯性权重的函数，构建了佳点集自适应粒子群优化算法。通过对十六个基准函数的测试验证了该算法的优越性。其次，建立GPSAPSO算法与BPNN的并行集成建模方法，构建水质预测模型。最后，以中国安徽省蚌埠市淮河四个断面监测数据作为仿真实验数据集。实验结果表明：相较于TTPSO-BPNN、NSABC-BPNN、IGSO-BPNN和CRBA-BPNN算法，GPSAPSO-BPNN算法在预测精度方面具有显著优势，为提高水质预测结果的准确性提供了有效方法，为水质监测管理工作提供了科学依据。

希望广大教师继续潜心研究，不断创新，多出成果。（撰稿：李敬明；一审：艾科妮；二审：周健；三审：戴道明）