不同于静态网络，时序网络加入了时间的维度给理论分析和计算模拟带来了新的挑战。现有的网络拓扑性质分析是基于网络结构不随时间变化的静态网络。然而，静态网络完全忽视了事件发生的先后顺序对于一些复杂系统的研究是不够准确的。在本文中，以方便对复杂系统进行研究，我们希望找到合适的方法将时序网络用静态网络表示。　　本文研究的方法是在time-slice network的基础上提出的，方法的关键仍然是找到合适的时间窗口Δt，从而将时序网络用静态网络表示。我们将这个方法应用于两组不同的数据，并且获取了生成的静态网络的拓扑性质-节点度和介数。结果显示，网络中节点的平均度随着时间窗口的增大而增大，而节点的平均介数中心性在时间窗口增大到一定程度后不再发生大幅度的变化。随后对两个拓扑量在不同时间窗口下的相关性做了分析，结果表明，随着时间窗口的增大，静态网络的两个拓扑量的spearman相关系数保持在一个较高水平的范围内，伴有一定程度的震荡。　　本文尝试结合传播动力学过程研究时序网络的静态表示，为探讨时序网络的拓扑结构提供了新的思路。我们关注的是网络中的单个节点的拓扑量是否可以度量其在疾病传播过程中的重要性。假设疾病由网络中的一个节点传入网络，通过在SIR模型中的模拟，我们获得了在不同的传染概率λ与不同传播时间比率δ的情况下每个节点对应的疾病爆发尺度Ω。两组数据模拟结果的差异充分体现了数据采集的情境不同。我们将静态网络的拓扑性质和疾病的爆发尺度的spearman相关系数ρ作为评估的标准。相关性越好，相应的时间窗口下的静态网络表示越好。对于不同大小的时间窗口生成的静态网络的拓扑性质和疾病爆发尺度的相关性分析结果表明:当疾病在网络中存在的时间足够长时，网络的拓扑结构和动力学的相关性在传染概率较小的时候表现的更好。