基于參數優化人工神經網絡的高考專業分數線預測算法及系統實現

游程荃

【摘? 要】 文章主要對高考專業分數線預測算法進行研究，首先通過大量數據的分析，確定了影響專業分數線的相關因素，然后結合相關文獻和研究成果，對BP神經網絡的結構、網絡訓練參數等進行了優化，最后對預測結果進行了分析。通過預測結果與實際情況的比較分析，發現該算法在高考專業分數線預測中具有一定的優越性。可以應用于高校招生工作中，能夠幫助高校更好地規劃招生計劃和專業設置。同時文章也可以為相關高校提供招生工作方面的幫助，為學生提供更好的專業選擇。文章通過分析，對神經網絡參數進行優化，并在此基礎上建立了高考專業分數線預測系統。系統主要由基本信息管理、志愿填報管理和專業錄取管理等模塊構成。用戶可以在系統中輸入自己的志愿數據，并根據系統提供的分析模型，對高考志愿填報方案進行科學分析，從而有效地避免考生所填報的志愿與專業不相符，甚至出現專業落榜的現象。

【關鍵詞】 高考；專業分數線；人工神經網絡

一、優化人工神經網絡的高考專業分數線預測算法及系統意義

（一）有助于考生順利志愿填報

在高考填報志愿時，由于考生不清楚所報考的高校及專業的情況，致使許多考生不能順利填報志愿。如何避免這種情況出現？準確把握專業分數線是關鍵。但在實際操作中，高校招生計劃及專業設置相對比較穩定，學生所報考的專業分數線也比較穩定，因此，很難通過錄取分數線對其進行準確預測。而利用人工神經網絡模型對考生進行專業分數線預測，是一種相對比較有效的方法。算法的模型結構是基于BP網絡，引入一種遺傳算法的參數優化方法作為BP網絡的初始權值和閾值優化算法，以提高網絡的學習效率，提高預測精度。

（二）有助于高校規劃招生計劃和專業設置

全國高考填報志愿工作是一個長期的、復雜的系統工程，高校的招生計劃和專業設置都受到各方面因素的影響。比如，高校錄取新生時要根據計劃進行，學校在制訂招生計劃時必須考慮到各方面的因素，要統籌考慮高考分數、招生規模、生源情況以及各專業對考生的要求等多方面因素。此外，高校招生計劃和專業設置也要受到國家政策法規、社會經濟發展需求等多方面因素影響。因此，高校要想獲得更多的招生機會，就需要制訂合理、科學的招生計劃和專業設置方案，并及時根據社會需求進行調整，確保學生能獲得最合適的專業。

（三）有助于為學生提供更好的專業選擇

有助于為學生提供更好的專業選擇指導，提高學生的志愿填報成功率。高校在錄取新生時，要根據當年高校的招生計劃和錄取分數線，按照一定的公式計算出各專業的錄取線，并將其與學校計劃招生人數進行比較，根據考生所填報的專業志愿順序、分數高低進行排序。在錄取過程中，如果考生對專業志愿不滿意，則由計算機根據考生高考成績、專業志愿、填報順序等情況自動生成一個專業錄取線，并作為學校當年錄取新生的依據。在報考志愿時，學生可能會對自己想要選擇的專業沒有明確的了解，但這并不是意味著他們就不能選到自己喜歡的專業。通過高考專業分數線預測算法來對學生未來可以選擇的專業進行預測，就能讓學生在填報志愿時有更好的選擇。

二、當前高考專業分數線預測算法及系統存在的問題

隨著信息技術的快速發展，我國的高等教育已從精英化教育轉變為大眾化教育。招生類型包括普通高等教育、網絡教育和自學考試。為給考生提供準確的報考參考，高校需要及時公布各專業的招生計劃和錄取分數線。但是目前大多數高校公布的專業招生計劃和錄取分數線都是基于經驗公式或者模擬數據進行的預測，在實際應用中會遇到很多問題。

（一）院校地域、辦學實力、專業設置等因素影響

受院校地域、辦學實力、專業設置等因素影響，同一個高校不同專業之間的錄取分數會存在差異。例如，一些院校會根據辦學實力和專業設置等因素將不同專業按照不同比例分配招生計劃，導致部分考生因為報考的是熱門專業而與好學校失之交臂，嚴重影響了考生報考志愿的積極性。

（二）錄取分數線隨年份變化

在高考志愿填報中，考生只能根據歷年高校專業錄取分數線進行參考。而各院校每年的錄取分數線都會根據當年招生情況發生變化，所以在制訂專業分數線時不能只參考歷年數據，需要根據當年實際情況進行調整。在高考志愿填報中，很多考生都會參考往年的錄取分數線。然而，每年的錄取分數線都會隨著當年招生情況發生變化，尤其是在各院校招生計劃變化較大的情況下。因此，考生在報考時要注意及時了解各院校近幾年的招生計劃及錄取分數變化，結合自身實際情況進行填報。隨著志愿填報系統的開發和志愿填報的推廣，各高校也紛紛開通自己的官方網站和微信公眾號，這些途徑都可以方便考生查詢到自己所報專業歷年的錄取分數線。

（三）報考時機不當

在高考志愿填報中，一些考生往往會根據自身分數情況選擇報考院校及專業。甚至部分考生并未意識到自己分數與院校錄取分數線之間存在較大差距。在報考時常選擇一些較為熱門的專業進行報考。然而，熱門專業并不一定適合自己，因此在錄取后很可能出現考生與心儀高校失之交臂的情況。

（四）招生信息不對等

多數高校都有招生章程，其中會對各專業錄取條件進行說明，如單科成績、身體健康狀況等要求。然而，很多考生不了解各院校招生章程中對考生提出的要求，因此在填報志愿時會出現填報錯誤而與心儀高校失之交臂的情況。在高考志愿填報中，考生可以根據自己的興趣愛好、就業前景等方面選擇專業。然而，許多考生并不了解自己所報專業的具體信息。在高校招生計劃發布時，會對招生專業進行詳細說明，其中包括各專業招生計劃及要求等內容。但部分考生在填寫志愿時并不清楚所報專業是否屬于該院校招生專業范圍之內。因此，在高考志愿填報中存在許多錯誤填寫導致無法進入心儀學校的情況發生。

三、高考專業分數線預測方法

（一）基于灰色預測的高考專業分數線預測方法

灰色預測模型是在常規的灰色系統理論基礎上建立起來的一種新的預測方法。灰色預測方法有一個假設前提：各專業招生計劃數都是已知的，不受各院校招生計劃數的影響。通過對院校歷史數據進行分析，并結合考生的實際情況，建立一個可以反映各專業招生計劃數變化趨勢的灰色模型，通過對該模型進行修正得到一種新的預測方法。在高考專業分數線預測中，首先，根據各院校近幾年來專業分數線數據，計算出各專業的平均錄取分數；其次，根據該平均錄取分數和考生報考該專業的分數進行加權，計算出考生最終可報考該專業的最低分數線；最后，將該最低分數線作為考生最終可報考該專業的分數線。

（二）基于LSTM模型的高考專業分數線預測方法

基于 LSTM的高考專業分數線預測方法，利用LSTM模型對考生高考分數進行多層次、多維度的預測。該方法首先通過專家對考生的高考分數進行打分，并根據分數進行排序，從而得到每一位考生的初始預測結果；其次，利用 LSTM模型對初始預測結果進行優化，通過反向傳播算法不斷修正輸入值與輸出值之間的誤差，并根據誤差調整各層節點的權重，使網絡能夠更好地利用數據進行預測。最后，將最優模型與 BP神經網絡進行對比，得到最終預測結果。該方法具有較強的學習能力、泛化能力和可解釋性，并可在多個場景下應用，具有較高的可行性和有效性。

（三）基于參數優化BP深度神經網絡的高考專業分數線預測方法

BP神經網絡是一種傳統的多層前向網絡，其網絡結構由輸入層、隱藏層、輸出層構成，其中隱藏層中的神經元數量為輸入神經元數的兩倍，輸出層中的神經元數量為輸入神經元數的四倍。在神經網絡模型中， BP神經網絡能夠通過調整權值和閾值來訓練網絡，以獲得較好的預測性能。在前人研究基礎上，采用遺傳算法和粒子群優化算法來優化 BP神經網絡的參數，以提高網絡的泛化能力。遺傳算法是一種基于生物進化機制來解決計算問題的智能優化算法，而粒子群優化算法是一種群智能優化算法。研究采用遺傳算法對 BP神經網絡進行優化。

高考專業分數線預測問題是一個復雜的多目標、多變量、多因素組合優化問題。在研究中，將遺傳算法與粒子群優化算法相結合來對 BP神經網絡進行參數優化，構建了基于遺傳算法和粒子群優化算法的高考專業分數線預測模型。在研究中，針對影響高考專業分數線的幾個關鍵因素：高考成績、專業名稱、所選科目和選考科目，將其作為輸入參數，以專業名稱和選考科目為輸出參數，構建基于 BP深度神經網絡的高考專業分數線預測模型，通過網絡訓練得到預測模型。在實際應用中，采用三層結構的神經網絡模型來處理高考成績和專業名稱、所選科目和選考科目之間的非線性關系，利用優化后的 BP深度神經網絡來處理專業名稱、所選科目和選考科目之間的非線性關系，并將其用于預測高考專業分數線，從而提高預測精度。

四、基于高考專業分數線預測系統設計與實現

（一）預測系統總體設計

該系統的開發平臺為 Delphi6.5，數據庫采用的是 MySQL關系型數據庫，系統界面簡潔、直觀，用戶使用簡單、方便。系統主要分為以下五個模塊：數據管理、專業分數線預測、專業選擇推薦、用戶管理和輔助工具。其中，數據管理模塊主要用來收集用戶的基本信息和專業數據，并且將這些信息存入數據庫中；專業分數線預測模塊用來對采集到的專業數據進行處理，得到專業的分數線，然后根據標準和需求給出專業預測結果。用戶管理模塊主要是對用戶的一些基本信息和選擇推薦信息進行管理，并且對這些信息進行處理得到用戶的一些基本情況；輔助工具主要是為了方便用戶查詢所需要的功能。

（二）預測系統功能模塊設計

功能模塊主要包括：用戶管理、成績查詢、專業錄取信息查詢、志愿填報輔助及相關數據的導出等。

用戶管理模塊主要包括登錄驗證，用戶信息，角色信息，權限管理，日志記錄等。

成績查詢模塊主要包括查詢統計，成績統計分析，生成成績單等。

志愿填報輔助模塊主要包括考生信息，錄取信息查詢，模擬志愿填報等。

數據導出模塊主要包括數據導出表，數據字典表，歷史數據表等。

五、結語

本研究在分析了高考專業分數線影響因素的基礎上，結合 BP人工神經網絡的優勢，建立了 BP人工神經網絡專業分數線預測模型，并提出了一種基于 BP神經網絡和遺傳算法相結合的參數優化算法。基于 BP神經網絡的高考專業分數線預測模型，通過結合模糊神經網絡和粒子群優化算法對 BP神經網絡進行優化，使其具有較強的預測能力。通過對高考專業分數線影響因素的分析，建立了一個多因素的高考專業分數線預測模型，并將該模型應用到高考專業分數線預測中。利用遺傳算法對 BP神經網絡進行參數優化，結合神經網絡和遺傳算法的優點，提高了預測精度。最后設計了高考專業分數線預測系統，該系統包括用戶管理、數據管理、歷史數據查詢、專業信息查詢等功能，具有較好的實用性和可操作性。實驗結果表明，所提出的預測模型能有效地對高考專業分數線進行預測，具有較強的泛化能力，能夠滿足高考招生中的實際需求。

參考文獻：

［1］ 趙江南. 新高考背景下高考計分政策研究［D］. 廈門：廈門大學，2021.

［2］ 陳文雪. 廣東省P市新高考政策實施問題與策略研究［D］. 西安：陜西師范大學，2021.

［3］ 萬海波. 基于兩層復雜網絡層間同步的混沌保密通信研究［D］. 武漢：華中科技大學，2017.