根据汤森路透ESI（Essential Science Indicators）最新数据显示，我院仉文岗教授发表的论文《Multivariate adaptive regression splines and neural network models for prediction of pile drivability》入选全球“工程学”领域前1%ESI高被引论文。该论文自2016年1月在SCI一区top期刊《Geoscience Frontiers》（JCR一区，IF：4.16）上发表至今，在 Web of Science 核心合集中被引用次数达到72次，谷歌学术数据显示已达128次，在工程领域产生了十分积极的影响。

入选的高被引论文采用多元自适应回归样条方法(Multivariate Adaptive Regression Splines ，MARS)与反向传播神经网络算法(Back Propagation Neural Network ，BPNN)，建立了工程桩桩身可打入分析预测模型，并从建模精度和计算效率等方面对两种方法进行全面对比，在计算效率和模型可解释性方面，MARS明显优于BPNN。研究成果得到了国内外同行的广泛关注，为该领域的科研工作者进一步探索不同数据驱动算法的优化及应用有着实际借鉴意义。

基本科学指标数据库ESI (Essential Science Indicators)，是目前国际学术界衡量科学研究绩效、跟踪科学发展趋势的基本分析评价工具，ESI共分22个学科领域，高被引论文是根据ESI统计被引频次排在相应学科领域前1%的论文，即指在同年度同学科领域中被引频次排名位于全球前1%的论文。它从文献角度反映了论文影响力，是其研究成果得到学术界认可的直接体现，有利于推进学科建设。目前，ESI高被引论文已成为衡量学校学术影响力的重要指标之一。

论文全文参见：https://www.sciencedirect.com/science/article/pii/S1674987114001364