大數據處理技術在錄取分數線預測中的應用研究

賈妮

摘要： 針對傳統預測模型在高考分數線預測方面精度不高的問題，在分析出高考分數線的分布規律及主要影響因素后，運用主成分分析法對影響因素降維并歸一化數據，建立高考分數線神經網絡模型，并運用BP反向傳播算法進行學習，計算出最優權值。以西安工業大學為例，用此神經網絡對錄取分數線進行預測，給出預測結果的精度分析，結果表明了該分數線神經網絡模型有效地提高了分數線預測精度，為高考分數線的預測以及學生志愿的填報提供了參考依據。

Abstract： In view of the low precision of college entrance examination scores prediction by traditional forecasting model， the distribution rule and the main influence factors of the college entrance examination scores are analyzed， after that the principal component analysis method is used for the dimensionality reduction of influence factors and data normalization， the college entrance examination scores neural network model is established， and the BP back propagation algorithm is learned to calculate the optimal weights. Taking the Xi'an University of Technology as an example， the neural network model is used to predict the scores and obtain the accuracy analysis of the prediction result. The results show that the neural network model can improve the prediction accuracy of the score line and provide reference for the forecast of college entrance examination scores and the intention for university.

關鍵詞： 數據挖掘；分數線預測；BP神經網絡；應用

Key words： data mining；fractional line prediction；BP neural network；application

中圖分類號：TP39 文獻標識碼：A 文章編號：1006-4311（2017）34-0200-02

0 引言

預測是數據挖掘中重要的任務之一。目前大部分的預測研究集中在銷售量預測及股票預測上，一般都帶有盈利性，而針對分數線這類公益性的預測研究卻很少，預測方法也均為傳統的預測方法。如何采用適當的模型預測分數線，進而為考生填報志愿提供科學的參考依據是一個問題。傳統的預測模型主要有線性回歸預測模型、灰度預測模型等，然而在實際中，分數線的影響因素復雜，傳統的預測模型并不能較好地擬合原始數據，導致預測的結果精度較低。近年來，隨著機器學習技術的不斷發展，出現了基于支持向量機、人工神經網絡等方法的預測模型。神經網絡（neural networks，NN）是由大量的、簡單的處理單元（稱為神經元）廣泛地互相連接而形成的復雜網絡系統，它反映了人腦功能的許多基本特征，是一個高度復雜的非線性動力學習系統，能夠精確描述非線性系統的變化規律，成為各個領域的主要預測方法。本文將分步驟詳細介紹分數線神經網絡模型的建立過程，給出預測模型的精度分析。

1 模型可行性分析

分析收集的高考分數線數據，發現存在眾多影響分數線的因素，對收集到的因素進行降維處理。觀察數據其分布規律，發現該分布沒有較好的函數進行擬合，而三層神經網絡能夠以任意精度逼近任何的非線性連續函數，因此采用神經網絡模型來進行擬合并對平均分數線進行預測是可行的。（圖1）

2 分數線神經網絡建立過程

2.1 輸入輸出確定

在使用神經網絡模型進行分數線預測時，將學校、招生省份作為篩選項，對輸入變量個數進行降維，確定輸入變量為年份、招生專業、招生人數，將平均分做為輸出變量，對于最高分數線與最低分數線的預測與平均分數線的預測方法類似。

2.2 數據清洗及歸一化

對輸入的數據進行歸一化處理，采用線性歸一化方法處理，降低數據分布不均勻的情況，如下式：

若不采用歸一化處理，算法的收斂速度會變慢，時間較長，如圖2左所示，采取歸一化后算法的收斂時間會大大縮短，如圖2右所示。

2.3 神經網絡的建立

對于分數線神經網絡的建立，我們構造一個3層的前饋神經網絡N來擬合該非線性數據，其中輸入不作為一層，隱藏層及輸出層的總數為神經網絡的層數，過多的層數會影響擬合的效果，如圖3所示。

其中每層節點個數的計算公式為：

對于該原始數據分布，經過嘗試發現，在第一層和第二層使用雙曲正切S形激活函數或者對數S型轉移激活函數，第三層使用線性函數擬合的效果最佳。

2.4 學習算法

對于該神經網絡采用BP反向傳播算法計算神經元之間的權重w的值[3]，其主要步驟如下：

1）對樣本集合（x（i），y（i））進行歸一化；

2）隨即初始化權重w，并計算網絡的輸出h （w，b）（x）；

3）構建其代價函數J（W，b；x，y）；

4）利用梯度下降算法求解神經網絡。

2.5 預測分數線

我們以2013年、2014年、2015年西安工業大學的數據為例，在Matlab中繪制出預測值與真實值的對比圖，如圖4所示。其中X軸為樣本序號，Y軸為分數線，綠色為訓練用的原始數據，藍色為預測的數據，紫色為未用作訓練的原始數據，紅色為對應的預測數據，即拿出數據的百分之八十用作訓練，用剩下的作為檢測數據。可以發現擬合的模型和原始數據擬合效果較好。

2.6 模型檢驗

進一步分析每一次采樣的誤差分布，如圖5所示。其中X軸為樣本序號，Y為預測值與實際值差的絕對值。觀察發現，在100個樣本中，70個樣本誤差在五分左右，對于其他偏離較遠的點是由于樣本數據量小所導致，說明該模型在一定誤差范圍內，能較為實際地預測出平均分數線。

3 結論

為了提高了當前高考分數線的預測精度，在分析當前預測方法的優缺點基礎上，提出了一種基于BP神經網絡的分數線預測模型，并用近三年的某高校數據為研究對象，對模型的性能進行驗證，結果表明，BP神經網絡能夠較好地預測分數線的變化趨勢，在分數線領域預測中值得推廣。

參考文獻：

[1]羅艷輝，呂永貴，李彬.基于ARMA的混合卷煙銷售預測模型[J].計算機應用研究，2015，27（7）：2664-2668.

[2]謝星峰.基于神經網絡的卷煙銷售預測模型的研究及應用[D].昆明：昆明理工大學，2011.

[3]趙云豐，劉萬軍.人工神經網絡在ERP系統中的應用[J].計算機應用，2013，25（4）：748-750.

[4]謝東風，鄒平.基于CBP的卷煙銷售二重趨勢時間序列預測模型研究與應用[J].控制理論與應用，2007，24（6）：1015-1020.

[5]羅艷輝，呂永貴，李彬.混合卷煙銷售預測模型[J].計算機工程與設計，2012，30（20）：4744-4747.endprint