[发明专利]一种基于神经网络的院校投档线预测方法

权利要求书

1.一种基于神经网络的院校投档线预测方法，其特征在于包括以下步骤：

步骤一，对采集到的数据进行缺失值和离群点处理；

步骤二，对经过处理的数据进行归一化；

步骤三，对数据集进行分类；

步骤四，对分类好的数据集分别建立神经网络模型进行预测。

2.根据权利要求1所述的一种基于神经网络的院校投档线预测方法，其特征在于所述缺失值和离群点处理包含以下四个规则：

规则1.1，将院校两线差缺失值设置成其余各年的两线差均值；

规则1.2，将院校的两线差离群点设置成其余各年两线差的均值；

规则1.3，将院校投档线缺失值设置成该年两线差与该年省控线之和。

3.根据权利要求1所述的一种基于神经网络的院校投档线预测方法，其特征在于所述归一化包含以下两个规则：

规则2.1，对各年两线差归一化采用极差法，所取的最小值和最大值是各年两线差最小值及最大值；

规则2.2，对各年位次归一化采用极差法，所取的最小值和最大值是各年位次最小值及最大值。

4.根据权利要求1所述的一种基于神经网络的院校投档线预测方法，其特征在于所述对数据集进行分类包含以下三个规则：

规则3.1，筛选出近4年两线差均为0的院校为训练集1；

规则3.2，筛选出近4年两线差均小于5分，且两线差均不为0的院校，为训练集2；

规则3.3，计算其余院校4年位次偏差，偏差在0～0.45的院校为训练集3，偏差在0.45～1的院校为训练集4，偏差大于1的院校为训练集5，所述偏差为每年位次减去四年位次均值的绝对值之和比上位次均值的绝对值。

5.根据权利要求1-4所述的一种基于神经网络的院校投档线预测方法，其特征在于所述建立神经网络模型包含以下规则:

规则4.1，对训练集1中的院校默认这些院校下一年的两线差为0分；

规则4.2，对训练集2中的院校利用前四年的两线差历史数据，采用神经网络进行建模，其中第四年的数据作为输出其余均为输入。

规则4.3，对训练集3～5分别利用前四年的位次历史数据采用神经网络进行建模，其中第四年的数据作为输出其余均为输入。

6.根据权利要求1所述的一种基于神经网络的院校投档线预测方法，其特征在于所述神经网络模型为双层隐藏层，第一层隐藏层的神经元不低于20个神经元，第二层隐藏层不低于15个神经元。