基于BP网络的孝感学院未来数年招生规模预测

郭海如,冯 凯,邹 遴

(孝感学院计算机与信息科学学院,湖北孝感 432000)

基于BP网络的孝感学院未来数年招生规模预测

郭海如,冯 凯,邹 遴

(孝感学院计算机与信息科学学院,湖北孝感 432000)

BP网络如今已经广泛地运用在各式各样的预测领域,而随着高校的扩招,孝感学院的招生人数也在逐年攀升,为合理利用学校的资源,提高教育质量,有必要对于学校的招生规模进行预测。文章介绍了BP网络的相关特点以及优势,结合学校相关数据,对孝感学院今后几年的招生规模进行了预测。

BP网络;孝感学院;招生规模;预测

现如今,高校逐年扩招,这对促进我国高等教育发展,提高国民的受教育水平是很有必要的。作为众多高等院校中的一员,孝感学院也迎来了自身发展的机遇,招生规模也日趋扩大。随着学校教育质量的不断提高,学校每年都有新的学科项目建设,入校新生逐年增多,办学规模日渐扩大,然而,招生规模并不是越大越好,它与学校的硬件设施、师资力量以及学生的素质等方面都有着重要的联系。招生规模过大会极大地影响学校的教学质量,而规模过小则无法最大限度地利用学校的教学资源,造成教育投资的浪费。在特定的经济发展水平下,教育投入不可能过多,那么,在给定的投入情况下,合理地确定招生规模也是保证质量。因此,如何确定孝感学院未来数年的招生规模就显得很有必要了,本文本着最大限度利用学校教育资源的宗旨,利用BP网络算法,为学校招生规模的确定提供一定的参考依据。

1 现有的预测方法

1.1 趋势外推法

指利用过去和现在的技术、经济信息,分析技术发展趋势和规律,在判断这些趋势和规律将继续的前提下,将过去和现在的趋势向未来推演。

1.2 相关分析法

指利用一系列条件、参数、因果关系数据和其他信息,建立预测对象与影响因素的因果关系模型,预测技术的发展变化。相关分析法认为,一种技术性能的改进或其应用的扩展是和其他一些已知因素高度相关的,这样,通过已知因素的分析就可以对该项技术进行预测。

1.3 专家预测法

指以专家意见作为信息来源,通过系统地调查、征询专家的意见,分析和整理出预测结果。

而在生产和科学实验中,选取的数学模型主要是线性回归方程形式,采用回归分析方法确定模型的参数。由于BP网络可对任意形状的函数曲线进行逼近,因此,采用BP网络建立的数学模型较上述形式的数学模型具有更小的方差,能够寻找到最优的工艺条件,而且只要有足够多的隐层和隐节点,BP网络就可以逼近任意的非线性映射。BP网络的学习算法属于全局逼近的方法,因而它具有较好的泛化能力。

2 BP网络概述

BP(Back Propagation)神经网络有两个过程,即正向传播和误差反向传播。它以特有的信息处理能力和独特的解算能力,非常适合于处理知识背景不清楚、推理规则不明确的复杂问题及处理连续的、模拟的、模糊的、随机的大量信息[1]。

2.1 BP网络的发展

在人工神经网络发展历史中,隐层的连接权值调整问题一直是难以解决的难点。非线性连续函数的多层前馈神经网络权重调整问题也就挡在了大家面前,直到误差反向传播算法——BP算法的提出,这一问题才得到比较好的解决。收集已确定的数据中,要包括各指标的评价数据和评价值。一般来说,收集的方案越多,就越有利于对网络进行充分的训练。由于在评价指标体系中,衡量不同指标因素的评价数据具有不同测度,因此需要对各方案中每个指标的评价数据进行归一化处理[2]。

BP神经网络是多层前馈网络,它采用误差逆传播算法训练而成,是目前应用最广泛的神经网络模型之一。BP网络无需事前揭示描述这种映射关系的数学方程,能学习和存贮大量的输入——输出模式映射关系,能够使网络的误差平方和最小——最速下降法是它的学习规则,在反向传播的情况下来不断调整网络的阈值和权值。输入层(input layer)、隐层(hide layer)和输出层(output layer)构成BP神经网络模型拓扑结构。

2.2 BP网络的基本功能

1)信息由输入单元传到隐单元,最后传到输出单元的信息正向传播;

2)实际输出与期望输出之间的误差由输出单元传到隐单元,再传到输入单元的误差反向传播;

3)利用正向传播的信息和反向传播的误差对网络权系数进行修正的学习过程。

2.3 BP网络的结构特点

从结构上讲,BP神经网络是一种分层型网络,由输入层、隐含层和输出层组成。BP神经网络是典型的多层结构,分为输入层、隐层和输出层,层与层之间多采用全互联方式,同一层单元之间不存在相互连接(见图1、图2)。BP神经网络可以从大量的离散实验数据中,经过学习训练,提取其领域知识,并将知识表示为网络连接权值、阈值的大小及分布,建立起反应实际过程内在规律的系统模型[3]。

图1 分层型网络示意图

图2 层与层之间互联方式

输入层各神经元的作用是接收来自外界的输入信息并传递该信息;中间层是内部信息处理层,它接收输入层各神经元传递来的信息并负责对信息进行变换,对于中间层的设计方式,我们可以根据信息变化能力的需求设计为单隐层或者多隐层结构;输出层是向外界输出信息处理的结果,当信息由最后一隐含层传给输出层时,输出层对信息做进一步处理再输出给外界,完成一次正向传播。若期望输出跟实际不相符,则进入误差反向传播过程。首先,取出误差,由输出层经过隐含层,最后进入输入层,逐层反传,按误差梯度下降的方式修改各层的权值。这种不断的循环过程即神经网络训练过程。当误差减少到可以接受的程度,或者预先设定的学习次数时,这种循环过程就可以结束。BP网络是采用Widrow-Hoff学习算法和非线性可微转移函数的多层网络。现在有许多基本的优化算法,例如变尺度算法和牛顿算法。神经网络工具箱提供了许多这样的算法。

3 基于BP网络的孝感学院历年招生规模增长率预测

经过孝感学院招生与就业处的同意,我们将历年(1983—2008年)招生数据进行处理,得到历年增长率数据如表1所示,其对应的曲线图如图3所示。

表1 孝感学院历年招生数据增长率

图3 孝感学院历年招生规模增长率曲线图

由于1986年孝感师范专科学校与湖北职业技术师范专科学校合并,2000年3月经教育部和湖北省人民政府批准,在孝感师范高等专科学校的基础上建立孝感学院,所以表1和图3显示这两年招生规模增长率变化很大。从图3可以看出,孝感学院招生规模增长率曲线变化规律性不强,用其他方法难以模拟,本文采用BP网络进行模拟并预测。

以1984年到2005年的招生规模增长率作为训练数据,建立BP网络模型,该网络输入层为8个节点,隐含层6个节点,输出层1个节点,即将前8年作为输入,第9年数据作为输出。将1984年到2005年数据作为训练数据,网络经过学习训练,将2006年到2008年数据作为测试数据,每次学习模拟后马上进行测试,一共进行3000次比较,取最佳测试结果,得到模拟结果如图4所示。

图4 BP网络模型测试数据模拟结果

拟合误差如表2所示。

表2 数据模拟的拟合误差

根据表2中数据可以看出,从1992年到2005年的拟合误差基本上为0,即100%拟合。经过3000次拟合和测试之后,取最优测试值结果如表3所示。

表3 数据模拟最优测试值结果

从表3可以看出,最大误差不超过2.31%,因此,我们可以用该BP网络模型进行预测,得到2009年至2015年招生规模增长率及招生人数如表4所示。

表4 孝感学院2009—2015年招生规模增长率预测

4 结论

从大量的数据中,本文选取了与孝感学院现状较为切合的时间段,因此数据准确度较高,预测有一定的可信度,且从近三年最优测试值的结果可以看出,孝感学院招生规模正处于一个平稳发展的时期,因而本文对孝感学院招生规模的预测具有一定的参考价值。

当然,本文预测结果的正确与否还受到其他客观条件的制约,如政策性因素或其他不可预料的因素的影响,这些有待于在实践中进一步改进。

[1] 飞思科技术产品研发中心.神经网络理论与MA TLAB 7实现[M].北京:电子工业出版社,2005,18-23.

[2] 史忠植,王文杰.人工智能[M].北京:国防工业出版社,2007:387-396.

[3] 陈如云.基于BP神经网络的应用研究[J].微计算机信息,2007,23(8-3):258-259.

Prediction of Enrollment Scale of Xiaogan University in the Next Several Years

Guo Hairu,Feng Kai,Zou Lin
(School of Computer and Information Science,Xiaogan University,Xiaogan,Hubei 432000,China)

BP network is now becoming widely used in different fo recasting area,and with the enrollment expansion of colleges and universities,Xiaogan University’s enrollment increased year by year.In order to utilize the university’s resources reasonably and imp rove education quality,it is necessary to predict the enrollment scale of Xiaogan University.In this paper,the authors introduced the characteristics and advantages of BP network.Combining with related data about Xiaogan University,the authors predicted the enrollment scale of Xiaogan University in the next several years.

Xiaogan University;BP network;enrollment scale;p rediction

TP183

A

1671-2544(2010)03-0060-04

2010-03-30

湖北省科技攻关项目(04AA 101C81)

郭海如(1978— ),男,湖北武穴人,孝感学院计算机与信息科学学院讲师,硕士。

(责任编辑:陈锦华)