高校作为培养专门人才、发展科学知识并为社会服务的重要机构,承担着大量的科学研究任务,高校的科研发展能从一定程度上预示国家科研发展,其科研水平的高低也能从一定程度反映出国家的科技水平和创新能力。由于各高校的科研实力在各学科上呈现出不同的发展目标和发展水平,对其评价因素众多,存在主客观评价方法的影响,简单从某一方面对高校的科研实力进行评价可能缺乏合理性和有效性,而科研项目数据能从尽可能多的方面呈现高校各学部承担科研项目的情况。因此,本文对科研项目数据做了统计分析,来探究高校科研实力情况。论文主要工作有:第一,综述了国内外对高校综合实力进行评价的相关文献,总结了他们所选取的评价指标和评价方法。第二,对自然科学基金项目资助态势从历年资助总量、各类项目资助量和各学部历年资助量的动态变化进行描述统计和可视化分析,六大类基金项目的资助量占比高达98%,本文主要以这六大类基金项目为研究对象进行后续分析。第三,为了找到我国高校的重点研究领域,抓好科研薄弱学部,论文对各学部的科研项目数据进行统计分析。实证分析中,选取2017六大类自然科学基金项目对八大学部的资助量数据。将各类基金项目的单项平均资助金额占比作为权重,对各学部六大类项目的资助量进行加权求和,找到评价高校各学部的科研实力的新方法。根据评分对34所高校用k-means方法做聚类分析,按聚类中心把高校分为5个类别。针对其中的工科类高校进行学科细分,找到重庆大学的优势学科为冶金与矿业、电气工程和建筑工程。第四,为了从基金申请量的角度看到我国科研实力的整体情况,论文先通过时间序列模型和神经网络模型对2001年至2018年面上项目和青年科学基金项目申请量数据进行拟合和预测,预计2019年青年科学基金项目申请量将超过面上项目申请量。然后拟合预测了各学部杰出青年项目的申请量。通过预测科研项目申请量也可以帮助基金委制定相应措施鼓励、调控申请量。并对各模型拟合情况的平均绝对误差进行对比分析,实证结果表明,BP神经网络模型能够很好地对国家科学基金项目申请量进行预测。