基于潜在调控因子筛选的高阶动态贝叶斯建模方法

为了解决目前用于构建基因调控网络的方法中所存在的网络构建准确率低、网络构建时间过长等问题，以及减小网络构建的复杂度，提高网络构建效率，提出了一种基于潜在调控因子筛选的高阶动态贝叶斯网络建模方法(high-order dynamic Bayesian network modeling method based on potential regulatory factor screening, PRS-HO-DBN).该方法将关联模型与高阶动态贝叶斯网络模型相结合，首先利用潜在调控因子筛选的方法在不同的时间延迟下删除与目标基因关联程度较低的基因，保留与目标基因关联程度较高的基因并作为目标基因的潜在调控因子集，以减小搜索空间；然后利用高阶动态贝叶斯模型进行结构学习，以提高网络构建的精确率.与其他的网络构建模型方法相比，该方法可以极大地缩短网络构建的时间，提升效率和精确度.     

江苏省重大科研计划项目“赛马制”管理路径探索

研究对科研计划项目“赛马制”的内涵及优势进行分析，在梳理国家层面以及上海、北京、深圳等地区实践经验的基础上，结合发达国家“赛马制”具体做法，针对江苏目前重大科研计划项目组织管理现状，提出在关键性科技攻关任务中落实“赛马制”、多形式开展“赛马式”攻关、创新“里程碑”式管理、建立提前完成任务奖励机制等建议，进一步充分发挥“赛马制”的机制优势。     

产业集聚、经济集聚与制造业低碳创新绩效

基于2010—2020年我国246个地级市的面板数据，运用调节效应与空间杜宾模型，考察空间溢出视角下产业集聚与经济集聚对制造业低碳创新绩效的影响。研究表明：产业专业化集聚与经济集聚显著提升本地制造业低碳创新绩效，且通过空间溢出效应对邻近区域制造业的低碳创新绩效产生正向作用，而产业多样化集聚阻碍地区制造业低碳创新绩效的提升；经济集聚调节产业集聚与制造业低碳创新绩效之间的关系。     

商品金融化背景下我国商品期货市场的溢出效应研究

本研究系统探究了商品金融化背景下中国商品期货市场与传统金融市场间收益率及波动性层面的溢出效应。首先，采用TVP-VAR模型构建溢出指数，全面展现了期货市场与其他金融市场间的静态和动态溢出特征。随后，对溢出指数进行分解，分析了溢出效应的来源。研究结果表明，中国商品期货市场的整体溢出指数较高，且在2008年金融危机、2015年股市异常波动和2020年新冠疫情期间明显上升。溢出指数的上升主要源于期货市场与代表性金融市场间的双向溢出。本研究的边际贡献在于更深入地探讨了商品金融化背景下中国期货市场与金融市场间的溢出效应，描绘了金融市场微观结构的变化趋势，为理解大宗商品市场金融化提供了新的视角。研究结果有助于更全面地了解金融市场间的风险传染机制，协助政策制定者识别潜在的风险隐患，提高监管效能，有效地防范系统性金融风险。同时，本研究还有助于优化金融机构的资产配置决策。     

科研管理辅助决策模型研究：以ARP为例

随着经济社会的发展和科学技术的不断进步，科研活动也呈现出许多新的特点，对科研管理工作提出了一系列新要求，实现科研管理整体化、透明化、标准化、规范化和精细化。本文以科研管理过程中辅助决策模型为研究对象，中国科学院资源规划系统（Academia Resource Planning，ARP）为依托，在总结基于ARP 开展科研管理辅助决策模型研究工作的基础上，结合IBM 公司推出的数据集成产业链，从功能需求框架、辅助决策模型库、样本库三个方面提出完整的科研管理辅助决策模型建设方案。     

加内衬解决输水涵管裂缝问题的力学分析

提出用轴对称正交各向异性材料玻璃钢作内衬，解决钢筋混凝土高压输水涵管的开裂问题，导出了易于使用的简间压力公式和位移公式，为内衬材料的设计提供理论依据。     

国安 Ｕ１８ 足球运动员比赛高强度跑动能力研究

[目的]研究国安 Ｕ１８ 足球运动员全场、上下半场、不同位置和胜负场的比赛高强度跑动特征?探究我国优秀青年足球 运动员的高强度跑动能力?为青年足球运动员的选材、培养和科学研究提供一份参考依据? [方法]选取共 １０ 场 ２０１７ 赛季 Ｕ１８ 精英联赛和锦标赛的国安队员(ｎ ＝ １６ 名)高强度跑动指标作为研究对象?筛选高强度跑距离、加减速次数等指标对比分 析足球运动员高强度跑动表现特征? [结果] (１)在全场高强度跑动距离和加减速次数方面?国安 Ｕ１８ 队员分别为 ３４４.４± １２５.６ ｍ、６３.４±１１.７ 次和 ７９.７±１８.５ 次?(２)国安 Ｕ１８ 队员上半场每分钟跑动距离明显高于下半场(Ｐ<０.０１)?上半场高速跑距 离占比高于下半场(Ｐ<０.０５)?平均速度上半场明显高于下半场(Ｐ<０.０１)?(３)从高强度跑动距离来看?各位置从低到高依次 为:中前卫<中后卫<中锋<边前卫<边后卫?中前卫和中后卫明显低于边后卫、边前卫和中锋(Ｐ<０.０５)?中后卫和中前卫之间 以及边后卫、边前卫和前锋之间不存在统计学意义? [结论](１)与上半场数据相比?国安 Ｕ１８ 队员下半场高强度跑动表现没 有明显下降?(２)国安 Ｕ１８ 边路位置队员和前锋的高强度跑动数据明显高于中前卫和中后卫?因此?不同位置角色是影响高强 度跑动特征差异性的因素之一?(３)国安 Ｕ１８ 队员比赛高强度跑动表现与比赛结果之间未发现较大关联性?