基于BP網(wǎng)絡(luò)的孝感學(xué)院未來數(shù)年招生規(guī)模預(yù)測(cè)

郭海如,馮 凱,鄒 遴

(孝感學(xué)院計(jì)算機(jī)與信息科學(xué)學(xué)院,湖北孝感 432000)

基于BP網(wǎng)絡(luò)的孝感學(xué)院未來數(shù)年招生規(guī)模預(yù)測(cè)

郭海如,馮 凱,鄒 遴

(孝感學(xué)院計(jì)算機(jī)與信息科學(xué)學(xué)院,湖北孝感 432000)

BP網(wǎng)絡(luò)如今已經(jīng)廣泛地運(yùn)用在各式各樣的預(yù)測(cè)領(lǐng)域,而隨著高校的擴(kuò)招,孝感學(xué)院的招生人數(shù)也在逐年攀升,為合理利用學(xué)校的資源,提高教育質(zhì)量,有必要對(duì)于學(xué)校的招生規(guī)模進(jìn)行預(yù)測(cè)。文章介紹了BP網(wǎng)絡(luò)的相關(guān)特點(diǎn)以及優(yōu)勢(shì),結(jié)合學(xué)校相關(guān)數(shù)據(jù),對(duì)孝感學(xué)院今后幾年的招生規(guī)模進(jìn)行了預(yù)測(cè)。

BP網(wǎng)絡(luò);孝感學(xué)院;招生規(guī)模;預(yù)測(cè)

現(xiàn)如今,高校逐年擴(kuò)招,這對(duì)促進(jìn)我國高等教育發(fā)展,提高國民的受教育水平是很有必要的。作為眾多高等院校中的一員,孝感學(xué)院也迎來了自身發(fā)展的機(jī)遇,招生規(guī)模也日趨擴(kuò)大。隨著學(xué)校教育質(zhì)量的不斷提高,學(xué)校每年都有新的學(xué)科項(xiàng)目建設(shè),入校新生逐年增多,辦學(xué)規(guī)模日漸擴(kuò)大,然而,招生規(guī)模并不是越大越好,它與學(xué)校的硬件設(shè)施、師資力量以及學(xué)生的素質(zhì)等方面都有著重要的聯(lián)系。招生規(guī)模過大會(huì)極大地影響學(xué)校的教學(xué)質(zhì)量,而規(guī)模過小則無法最大限度地利用學(xué)校的教學(xué)資源,造成教育投資的浪費(fèi)。在特定的經(jīng)濟(jì)發(fā)展水平下,教育投入不可能過多,那么,在給定的投入情況下,合理地確定招生規(guī)模也是保證質(zhì)量。因此,如何確定孝感學(xué)院未來數(shù)年的招生規(guī)模就顯得很有必要了,本文本著最大限度利用學(xué)校教育資源的宗旨,利用BP網(wǎng)絡(luò)算法,為學(xué)校招生規(guī)模的確定提供一定的參考依據(jù)。

1 現(xiàn)有的預(yù)測(cè)方法

1.1 趨勢(shì)外推法

指利用過去和現(xiàn)在的技術(shù)、經(jīng)濟(jì)信息,分析技術(shù)發(fā)展趨勢(shì)和規(guī)律,在判斷這些趨勢(shì)和規(guī)律將繼續(xù)的前提下,將過去和現(xiàn)在的趨勢(shì)向未來推演。

1.2 相關(guān)分析法

指利用一系列條件、參數(shù)、因果關(guān)系數(shù)據(jù)和其他信息,建立預(yù)測(cè)對(duì)象與影響因素的因果關(guān)系模型,預(yù)測(cè)技術(shù)的發(fā)展變化。相關(guān)分析法認(rèn)為,一種技術(shù)性能的改進(jìn)或其應(yīng)用的擴(kuò)展是和其他一些已知因素高度相關(guān)的,這樣,通過已知因素的分析就可以對(duì)該項(xiàng)技術(shù)進(jìn)行預(yù)測(cè)。

1.3 專家預(yù)測(cè)法

指以專家意見作為信息來源,通過系統(tǒng)地調(diào)查、征詢專家的意見,分析和整理出預(yù)測(cè)結(jié)果。

而在生產(chǎn)和科學(xué)實(shí)驗(yàn)中,選取的數(shù)學(xué)模型主要是線性回歸方程形式,采用回歸分析方法確定模型的參數(shù)。由于BP網(wǎng)絡(luò)可對(duì)任意形狀的函數(shù)曲線進(jìn)行逼近,因此,采用BP網(wǎng)絡(luò)建立的數(shù)學(xué)模型較上述形式的數(shù)學(xué)模型具有更小的方差,能夠?qū)ふ业阶顑?yōu)的工藝條件,而且只要有足夠多的隱層和隱節(jié)點(diǎn),BP網(wǎng)絡(luò)就可以逼近任意的非線性映射。BP網(wǎng)絡(luò)的學(xué)習(xí)算法屬于全局逼近的方法,因而它具有較好的泛化能力。

2 BP網(wǎng)絡(luò)概述

BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)有兩個(gè)過程,即正向傳播和誤差反向傳播。它以特有的信息處理能力和獨(dú)特的解算能力,非常適合于處理知識(shí)背景不清楚、推理規(guī)則不明確的復(fù)雜問題及處理連續(xù)的、模擬的、模糊的、隨機(jī)的大量信息[1]。

2.1 BP網(wǎng)絡(luò)的發(fā)展

在人工神經(jīng)網(wǎng)絡(luò)發(fā)展歷史中,隱層的連接權(quán)值調(diào)整問題一直是難以解決的難點(diǎn)。非線性連續(xù)函數(shù)的多層前饋神經(jīng)網(wǎng)絡(luò)權(quán)重調(diào)整問題也就擋在了大家面前,直到誤差反向傳播算法——BP算法的提出,這一問題才得到比較好的解決。收集已確定的數(shù)據(jù)中,要包括各指標(biāo)的評(píng)價(jià)數(shù)據(jù)和評(píng)價(jià)值。一般來說,收集的方案越多,就越有利于對(duì)網(wǎng)絡(luò)進(jìn)行充分的訓(xùn)練。由于在評(píng)價(jià)指標(biāo)體系中,衡量不同指標(biāo)因素的評(píng)價(jià)數(shù)據(jù)具有不同測(cè)度,因此需要對(duì)各方案中每個(gè)指標(biāo)的評(píng)價(jià)數(shù)據(jù)進(jìn)行歸一化處理[2]。

BP神經(jīng)網(wǎng)絡(luò)是多層前饋網(wǎng)絡(luò),它采用誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練而成,是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP網(wǎng)絡(luò)無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程,能學(xué)習(xí)和存貯大量的輸入——輸出模式映射關(guān)系,能夠使網(wǎng)絡(luò)的誤差平方和最小——最速下降法是它的學(xué)習(xí)規(guī)則,在反向傳播的情況下來不斷調(diào)整網(wǎng)絡(luò)的閾值和權(quán)值。輸入層(input layer)、隱層(hide layer)和輸出層(output layer)構(gòu)成BP神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)。

2.2 BP網(wǎng)絡(luò)的基本功能

1)信息由輸入單元傳到隱單元,最后傳到輸出單元的信息正向傳播;

2)實(shí)際輸出與期望輸出之間的誤差由輸出單元傳到隱單元,再傳到輸入單元的誤差反向傳播;

3)利用正向傳播的信息和反向傳播的誤差對(duì)網(wǎng)絡(luò)權(quán)系數(shù)進(jìn)行修正的學(xué)習(xí)過程。

2.3 BP網(wǎng)絡(luò)的結(jié)構(gòu)特點(diǎn)

從結(jié)構(gòu)上講,BP神經(jīng)網(wǎng)絡(luò)是一種分層型網(wǎng)絡(luò),由輸入層、隱含層和輸出層組成。BP神經(jīng)網(wǎng)絡(luò)是典型的多層結(jié)構(gòu),分為輸入層、隱層和輸出層,層與層之間多采用全互聯(lián)方式,同一層單元之間不存在相互連接(見圖1、圖2)。BP神經(jīng)網(wǎng)絡(luò)可以從大量的離散實(shí)驗(yàn)數(shù)據(jù)中,經(jīng)過學(xué)習(xí)訓(xùn)練,提取其領(lǐng)域知識(shí),并將知識(shí)表示為網(wǎng)絡(luò)連接權(quán)值、閾值的大小及分布,建立起反應(yīng)實(shí)際過程內(nèi)在規(guī)律的系統(tǒng)模型[3]。

圖1 分層型網(wǎng)絡(luò)示意圖

圖2 層與層之間互聯(lián)方式

輸入層各神經(jīng)元的作用是接收來自外界的輸入信息并傳遞該信息;中間層是內(nèi)部信息處理層,它接收輸入層各神經(jīng)元傳遞來的信息并負(fù)責(zé)對(duì)信息進(jìn)行變換,對(duì)于中間層的設(shè)計(jì)方式,我們可以根據(jù)信息變化能力的需求設(shè)計(jì)為單隱層或者多隱層結(jié)構(gòu);輸出層是向外界輸出信息處理的結(jié)果,當(dāng)信息由最后一隱含層傳給輸出層時(shí),輸出層對(duì)信息做進(jìn)一步處理再輸出給外界,完成一次正向傳播。若期望輸出跟實(shí)際不相符,則進(jìn)入誤差反向傳播過程。首先,取出誤差,由輸出層經(jīng)過隱含層,最后進(jìn)入輸入層,逐層反傳,按誤差梯度下降的方式修改各層的權(quán)值。這種不斷的循環(huán)過程即神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程。當(dāng)誤差減少到可以接受的程度,或者預(yù)先設(shè)定的學(xué)習(xí)次數(shù)時(shí),這種循環(huán)過程就可以結(jié)束。BP網(wǎng)絡(luò)是采用Widrow-Hoff學(xué)習(xí)算法和非線性可微轉(zhuǎn)移函數(shù)的多層網(wǎng)絡(luò)。現(xiàn)在有許多基本的優(yōu)化算法,例如變尺度算法和牛頓算法。神經(jīng)網(wǎng)絡(luò)工具箱提供了許多這樣的算法。

3 基于BP網(wǎng)絡(luò)的孝感學(xué)院歷年招生規(guī)模增長(zhǎng)率預(yù)測(cè)

經(jīng)過孝感學(xué)院招生與就業(yè)處的同意,我們將歷年(1983—2008年)招生數(shù)據(jù)進(jìn)行處理,得到歷年增長(zhǎng)率數(shù)據(jù)如表1所示,其對(duì)應(yīng)的曲線圖如圖3所示。

表1 孝感學(xué)院歷年招生數(shù)據(jù)增長(zhǎng)率

圖3 孝感學(xué)院歷年招生規(guī)模增長(zhǎng)率曲線圖

由于1986年孝感師范?？茖W(xué)校與湖北職業(yè)技術(shù)師范?？茖W(xué)校合并,2000年3月經(jīng)教育部和湖北省人民政府批準(zhǔn),在孝感師范高等專科學(xué)校的基礎(chǔ)上建立孝感學(xué)院,所以表1和圖3顯示這兩年招生規(guī)模增長(zhǎng)率變化很大。從圖3可以看出,孝感學(xué)院招生規(guī)模增長(zhǎng)率曲線變化規(guī)律性不強(qiáng),用其他方法難以模擬,本文采用BP網(wǎng)絡(luò)進(jìn)行模擬并預(yù)測(cè)。

以1984年到2005年的招生規(guī)模增長(zhǎng)率作為訓(xùn)練數(shù)據(jù),建立BP網(wǎng)絡(luò)模型,該網(wǎng)絡(luò)輸入層為8個(gè)節(jié)點(diǎn),隱含層6個(gè)節(jié)點(diǎn),輸出層1個(gè)節(jié)點(diǎn),即將前8年作為輸入,第9年數(shù)據(jù)作為輸出。將1984年到2005年數(shù)據(jù)作為訓(xùn)練數(shù)據(jù),網(wǎng)絡(luò)經(jīng)過學(xué)習(xí)訓(xùn)練,將2006年到2008年數(shù)據(jù)作為測(cè)試數(shù)據(jù),每次學(xué)習(xí)模擬后馬上進(jìn)行測(cè)試,一共進(jìn)行3000次比較,取最佳測(cè)試結(jié)果,得到模擬結(jié)果如圖4所示。

圖4 BP網(wǎng)絡(luò)模型測(cè)試數(shù)據(jù)模擬結(jié)果

擬合誤差如表2所示。

表2 數(shù)據(jù)模擬的擬合誤差

根據(jù)表2中數(shù)據(jù)可以看出,從1992年到2005年的擬合誤差基本上為0,即100%擬合。經(jīng)過3000次擬合和測(cè)試之后,取最優(yōu)測(cè)試值結(jié)果如表3所示。

表3 數(shù)據(jù)模擬最優(yōu)測(cè)試值結(jié)果

從表3可以看出,最大誤差不超過2.31%,因此,我們可以用該BP網(wǎng)絡(luò)模型進(jìn)行預(yù)測(cè),得到2009年至2015年招生規(guī)模增長(zhǎng)率及招生人數(shù)如表4所示。

表4 孝感學(xué)院2009—2015年招生規(guī)模增長(zhǎng)率預(yù)測(cè)

4 結(jié)論

從大量的數(shù)據(jù)中,本文選取了與孝感學(xué)院現(xiàn)狀較為切合的時(shí)間段,因此數(shù)據(jù)準(zhǔn)確度較高,預(yù)測(cè)有一定的可信度,且從近三年最優(yōu)測(cè)試值的結(jié)果可以看出,孝感學(xué)院招生規(guī)模正處于一個(gè)平穩(wěn)發(fā)展的時(shí)期,因而本文對(duì)孝感學(xué)院招生規(guī)模的預(yù)測(cè)具有一定的參考價(jià)值。

當(dāng)然,本文預(yù)測(cè)結(jié)果的正確與否還受到其他客觀條件的制約,如政策性因素或其他不可預(yù)料的因素的影響,這些有待于在實(shí)踐中進(jìn)一步改進(jìn)。

[1] 飛思科技術(shù)產(chǎn)品研發(fā)中心.神經(jīng)網(wǎng)絡(luò)理論與MA TLAB 7實(shí)現(xiàn)[M].北京:電子工業(yè)出版社,2005,18-23.

[2] 史忠植,王文杰.人工智能[M].北京:國防工業(yè)出版社,2007:387-396.

[3] 陳如云.基于BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用研究[J].微計(jì)算機(jī)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

湖北省科技攻關(guān)項(xiàng)目(04AA 101C81)

郭海如(1978— ),男,湖北武穴人,孝感學(xué)院計(jì)算機(jī)與信息科學(xué)學(xué)院講師,碩士。

(責(zé)任編輯:陳錦華)