[发明专利]一种基于BP神经网络的高考分数线预测方法

权利要求书

1.一种基于BP神经网络的高考分数线预测方法，其特征在于包括以下步骤：

1)获取全国1052所高校在2013年到2019年招生的最低投档线以及对其有影响的12个因子的数据值；

2)将这些影响因子的数据值进行编码后作为特征值，并将这些特征值进行标准化，将标准化后的这些数据分类以作为即将待用的训练和测试数据；

3)建立BP神经网络，其中包括一个输入层、五个中间层和一个输出层；

4)对步骤3)建立的BP神经网络进行训练；

5)输入测试样本对训练后的BP神经网络进行网络测试，根据预测值获取实际需要的高校的投档线。

2.如权利要求1所述一种基于BP神经网络的高考分数线预测方法，其特征在于在步骤1)中，所述获取全国1052所高校在2013年到2019年招生的最低投档线以及对其有影响的12个因子的数据值的具体步骤为：

(1)通过网络爬虫、人工收集方式在互联网上收集到全国1052所高校在2013年到2019年招生的最低投档线以及对其有影响的因子的数据值；

(2)对影响因子进行分析讨论，最后得到12个具有较大影响的因子，分别是：年份、高等院校、省份、该学校计划招生数、是否985高校/211高校/其他、高校的评级、是否民办/公办/其他、该高校所在城市的评级、学费高低、当年本科第一批次线的分数、当年本科第二批次线的分数和文理科区分。

3.如权利要求1所述一种基于BP神经网络的高考分数线预测方法，其特征在于在步骤2)中，所述将这些影响因子的数据值进行编码后作为特征值，并将这些特征值进行标准化，将标准化后的这些数据分类以作为即将待用的训练和测试数据的具体步骤为：

(1)将影响因子的数据值编码为特征值,编码方式为：

(a)年份：采用年份作为该项特征值；

(b)高等院校：指一所高校有普通本科招生，或中外合作招生，或其他分校招生；采用1到N离散数字编码作为该项特征值；

(c)省份：采用从1～31的离散数字编码省份作为该项特征值(澳门、香港、中国台湾除外)；

(d)该学校计划招生数：采用该校招生的数值编码作为该项特征值；

(e)是否985高校/211高校/其他：采用1,2,3三个离散数字编码作为该项特征值；

(f)高校的评级：将评级从低到高分为8个等级以凸显出高校的区分度，采用1～8八个离散数字编码作为该项特征值；

(g)是否民办/公办/其他：采用1,2,3三个离散数字编码作为该项特征值；

(h)该高校所在城市的评级：将城市分为一线到四线城市以及其他城市五类，采用1～5五个离散数字编码作为该项特征值；

(i)学费高低：取该校大部分专业的学费所处区间来作为评判标准分为0～6000元,6000～10000元,10000～20000元,20000元以上这四个等级，采用1～4四个离散数字编码作为该项特征值；

(j)当年本科第一批次线的分数：采用当年本科第一批次线的分数作为该项特征值；

(k)当年本科第二批次线的分数：采用当年本科第二批次线的分数作为该项特征值；

(2)文理科区分：采用1,2两个离散数字编码作为该项特征值；

(3)将编码后的数据值进行标准化，采用的标准化公式为：

其中，D^*表示标准化之后的数据值，D表示编码之后的原始数据值，mean(D)和std(D)分别表示求数据变量的平均值和标准差，将标准化后的这些数据组分类以作为即将待用的训练集和测试集数据。