随着大数据时代的到来,快速精准地从科技文献中识别和预测热点科研主题是帮助科研工作者了解特定科研领域研究现状的重要手段。从海量的学术文献中获取科研热点及科研主题的演化趋势,不仅可以帮助科研人员节约大量人力物力,同时还可以帮助诸多科技创新主体和科技政策制定者从宏观、全局的角度出发,全面深入的了解相关科研领域的现状和未来趋势。因此识别科技领域的热点主题和对主题热度的趋势预测具有重大的现实意义。基于以上背景,本文以科技主题识别和热度预测为核心,提出了面向科技文献的在线主题模型和主题演化预测方法,并在此基础之上设计实现了科技信息智能分析预测系统。本文的主要研究内容和工作如下:（1）提出了一种IOLDA（Improved OLDA）在线主题模型。针对传统OLDA模型由于内容演化矩阵的权重固定导致的新旧主题混合等问题,提出了动态权重计算方法;并结合主题相似度矩阵构建了伪变长的主题内容演化矩阵,改进了主题模型的建模效果。针对本文提出的IOLDA在线主题模型,使用科技文献数据集进行实验。实验结果表明,IOLDA模型在困惑度等指标上要优于其他模型。（2）提出了一种面向主题热度的ESA（EEMD-SVR-Adaboost）组合预测模型。针对现有主题热度特征简单等问题,构建了一种基于科技主题强度等特征的科技主题热度指标体系,提高了主题热度预测的鲁棒性。同时考虑到时间序列的周期性和趋势性等特点,本文提出了ESA组合预测模型,并采用从IOLDA模型中提取的主题热度时间序列数据进行预测实验。实验结果表明,ESA组合预测模型在MAE和RMSE等指标上优于LSTM等其他比较模型。（3）设计并实现了一套面向科技文献的科技信息智能分析预测系统。该系统以科技数据智能分析项目为基础,以主题发现及演化趋势预测为核心,设计并实现了科技信息智能分析预测系统的整体架构和主要功能模块。最后对各个功能模块进行总体测试,测试结果表明,本系统基本满足了科技信息的分析预测要求。