[发明专利]一种基于BP神经网络的高考分数线预测方法

说明书

一种基于BP神经网络的高考分数线预测方法，涉及高考分数线的预测。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，根据所述预测值获取实际需要的高校的投档线。解决高考分数线的预测问题，可为考生高考志愿的填报提供很好的辅助，适用于新旧高考。

技术领域

本发明涉及一种高考分数线的预测方法，特别是涉及一种基于BP神经网络的高考分数线预测方法。

背景技术

每年都有几百万的学生参加高考，高考成绩和填报志愿往往成为考生和家长最为关注的问题，如何科学报考，让考分最大化利用并进入自己的理想大学，这是考生和家长共同的心愿。(陈志文.话说高考志愿填报[N].中国青年报,2019-06-03(005).；肖蕾.影响高考志愿填报的因素及探析[J].上海教育科研,2006,000(011):31-33.)。高考给了每个人同样公平的机会，在未来的专业选择上会对个人发展有着比较大的影响，所以如何利用好手上的每一分填好志愿考进心仪的大学是尤为重要的。

对于高考分数预测的方法多种多样，比较常见的主要有以下几种：(1)线性回归法(董兆芬,吴杰.线性回归分析法在成绩预测中的应用[C]面向21世纪的图学教育——第十二届全国图学教育研讨会暨第三届制图.2000.)：以高考的年份为自变量，高校的收分为因变量，简单建立起两者之间的映射关系。这种方法虽然也简单易行，但是预测往往需要大量的历年数据,倘若只有近几年的高考分数数据，拟合出的回归直线所预测出的结果往往偏离实际较大。(2)线差预测(池伟东,王中旭.线差法巧测高校门槛[J].湖北招生考试(7期):32-33.)：计算往年学校的收分，先减去该年的本一或者本二线，再考虑到大小年的因素，取所有大年或者小年分差的平均值加到要预测的那年的本一或者本二线上，这种预测方法虽然简单，但是并非所有的学校都有“大小年”这种规律，而且预测偶然性较大预测效果也不是很理想。(3)灰色预测模型(何晶晶.基于灰色神经网络的高考批次线预测[D].湘潭大学,2018.)：该模型通过对往年的高考数据进行累加、均值等方法得到新的序列进行建模的方法。这种方法的优点是不需要大量的数据而且计算工作量小，但是缺点就是没有考虑到高考录取分数是受多个因素影响，所以预测结果的置信度也相应降低，而且该模型更加适用于指数增长的中短期预测。

因此，需要一种能够提高预测高考分数线准确率的方法，以保证在预测高考分数线时的准确性和可靠性。

发明内容

本发明的目的是提供可解决高考分数线的预测问题，可以为考生高考志愿的填报提供很好辅助的一种基于BP神经网络的高考分数线预测方法。

本发明包括以下步骤：

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，根据所述预测值获取实际需要的高校的投档线。

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可为：