用网络科学理解复杂的数据

网络科学或网络分析是对一个相互联系的组成部分的系统的分析。组件可以是任何东西:训练网络，Facebook上的社会关系，或者经济和环境中的产品流。网络科学的应用同样多样化:它被用于物流问题，用于分析复杂的蛋白质相互作用模式为了帮助癌症研究，以及在与流行病错误信息的生死之战中。

和LCA一样，网络科学也需要一些指标来帮助我们理解网络的行为和结构。例如，研究人员可能想知道一种疾病是如何在人群中传播的。也许她会从观察感染的数量，感染的频率，或者患者的年龄开始。

这可能有助于确定该疾病是否普遍流行。但是这种方法可能不会提供太多可操作的信息来阻止疾病的传播。要采取行动，你需要追踪疾病在网络中传播的路径。例如，是否有社会群体或地点更有可能通过这些社会群体或地点传播疾病?

如果我们只看一个群体的统计数据，我们可能不会错过个体成员之间重要的相关性。但正是这些关系让这些系统变得有趣，或者在这种情况下，变得危险。这个例子说明，要理解高度互联的系统，最重要的是互联。生命周期评估(LCA)所检查的社会经济系统也是如此。在本文中，我们将快速了解一下网络科学是如何工作的，以及如何从网络的角度看待数据集。但首先我们得知道行话。

网络科学术语

在网络科学中，我们将每个组件(例如社交媒体帐户)表示为图上的一个点或“节点”，并将它们之间的连接称为“边”。

但是仅仅映射节点和边还不能说明系统的意义。为此，我们需要网络指标，比如“中间性”中心性(以及其他同样出色的名称)。系统中一个组件的中心性量化了网络中其他节点对它的依赖程度，而中间性是计算中心性的一种方式。在将其应用于生命周期评估之前，我将在下面的示例中使用这些术语。

一切都是相互联系的，这是一个中心性的例子

想象一下，两个国家的电网包含发电站和配电中心。两国严重依赖对方来满足不同天气条件下的需求——一个拥有大量的太阳能和风力发电场，而另一个在水力发电方面更强大。两国同意建设两条连接两国的输电线路，容量分别为0.5吉瓦和5吉瓦。在一年的时间里，大量的电力通过这两条线路传输。

让我们画一个网络图，通过这个网络的组成部分的大小来显示中心性。

正如你在上面的图表中看到的那样，配电中心有很大的中心性，因为如果这些中心受损，电力将不得不通过更长的路径，或者甚至不能从电网的一端流向另一端。绿色边界互连也具有高中心性，因为它们具有大容量传输电力和它们是由相互依赖的节点组成的大型网络之间的连接点。当太阳不再照耀，风不再吹，你就会明白睦邻友好的价值所在。

总之，如果一个给定的节点从网络中移除，那么一个流(例如电或信息)必须通过的其他节点的数量越多，该节点对网络的中间性中心性就越大。

网络分析在LCA中的应用

虽然很明显，主要的电源连接可能是一个关键的组成部分，但并不是所有的网络都能产生明显的结果。

在进行生命周期评估时，桑基图(如下图来自SimaPro的在线平台)是一个很好的例子，说明如何将高度复杂的网络(包括涉及制造业的网络)可视化，以突出对环境产生重大影响的过程。当我们获得强调根本原因的图片时，与气候紧急情况或一般环境影响作斗争就会更容易。

网络科学在生命周期清单中的应用

也可以将网络分析应用于生命周期清单本身。倾向于建模为一起使用或一起排放的物质形成可用于检查数据质量或向用户通报相关模型的模式。

下面，您可以看到ecoinvent v3.7数据库的网络表示，它显示了人类活动和产品如何相互链接。每个圆圈代表不同颜色的人造物质(如黄色的电)的流动，以及产生这些物质的人类活动(如发电)。当流程使用给定的流时，将在两者之间画一条线。颜色是根据产品类型分配给流程的(例如，纸浆、纸张和纸板工艺是一种颜色，金属产品是另一种颜色)。雷竞技官方网站下载圆圈的大小与使用它的进程数量成正比。

在绘制的数据集中，两种最常用的中间交换是“热，用于城市垃圾回收”和“电，用于城市垃圾回收”。以不同的透视图查看数据和模型可以使模式具有可读性，而表格或条形图根本无法显示这些模式。这就是网络科学的美妙之处。

你什么时候会使用网络科学?

当然，我们不能单独应用网络分析。例如，网络分析无法确定结果的统计意义。为此，您仍然需要蒙特卡罗分析和良好的抽样实践。如果你有一个非常简单的LCI数据集，糟糕的标签，或者数据缺口很大的数据集，那么其他形式的数据分析和更好的数据收集形式就更重要了。

但是，如果您使用的是高度互联的系统，那么网络分析是您工具箱中一个很好的工具。它可以帮助解开复杂的网络和因果关系链，揭示社区，并通过网络可视化帮助数据变得美观有形。回到我们的科学家与疾病作斗争:在过去的几个月里，网络科学对人们的生活产生了非常切实的影响。事实上，它帮助决策者了解何时收紧或放松对社交互动的限制，并抗击冠状病毒的传播。

即使你没有在与下一次大危机作斗争，用网络科学更深入、更优美地探索生命周期数据，也是在工作中找到新见解的好方法——此外，这一点也不无聊。