基于DEA和BP神经网络的学生成绩评价模型.doc

基于DEA和BP神经网络的学生成绩评价模型 摘要 本文根据题目要求，建立合理的假设，综合运用数理统计知识、DEA数据包络分析、神经网络等方法，结合数据处理软件SPSS，MATLAB建立基于神经网络的学生成绩评价预测模型，通过对数据的处理和验证，在模型基础上客观、合理的评价学生学习状况，并对学生成绩成功的进行预测。 针对问题一，需要对学生的整体情况进行分析说明。根据题目提供的已知数据，运用数理统计知识详细分析学生成绩的整体情况。先经过简单的数据处理和分析学生大概的整体发展情况，继而结合数据利用SPSS求出平均值、中值、标准差、方差、极值、最值等数理统计值，引入峰度和偏度分析成绩分布，并对平均值、峰度和偏度进行标准差验证分析。再次通过对成绩进行划分等级，求其各等级所占的人数和比例，根据此绘制直方图，分析其各等级的变化情况。综合数理统计结果，得出结论：学生的整体情况比较良好，优秀等级呈波浪型趋势发展，良好和及格等级稳定发展，不及格等级人数持续下降，综合说明学生成绩逐年上升。 针对问题二，如何全面、客观、合理的评价学生的学习状况。本文通过学生的学习效率、名次排榜、等级划分三个指标来全面评价学生，通过随机抽样获得样本数据，结合DEA数据包络分析方法，借助Lingo计算得出权重，从而运算得到各个学生的学习效率；根据原有数据对各学期学生排序，而通过各个学期的排序名单，利用Clementine软件建立模型，得到评价表扬或评价结果；对学生成绩进行聚类划分等级，评价学生的优良中差。综合三个指标对学生的学习状况进行全面、客观、合理的评价，学校可利用其从中激励学生认真努力学习，从而提高学校的教学质量。 针对问题三，以解决预测学生成绩问题为主。根据已知数据和神经网络的原理，通过数据进行神经网络训练，模拟预测学期4成绩与实际成绩比较，经过分析误差性确定建立神经网络预测模型。采用软件MATLAB进行编程处理数据，由学期2、3、4成绩预测得到学期5的预测成绩，并进行误差性分析，通过误差分布直方图体现误差性低，本模型的可用性高。故采用学期3、4成绩和学期5预测成绩通过模型预测得到学期6的预测成绩，并且进行了预测绝对差分析。最终在模型基础上，结合数据得到学期5、6的预测成绩，且预测成绩基本与前4个学期的成绩波动性不大。 针对问题四，通过问题一对学生整体情况的分析和问题二、三对学生成绩的合理评价及预测，对学校的管理部门提出建议或改进方案。建议学校设立“学习进步奖”，奖励进步明显的学生；注重资质、基础比较差的学生，帮助其提高成绩和自信；拟定教学方案和评价方案，与教师共同培养学生，提高学生成绩，综合发展。 本文针对该校学生成绩情况，进行整体情况分析，了解该校学生的基本情况，据此对学生的学习状况客观合理的评价，并成功预测后两个学期的学习成绩。通过了解这些状况，想学校的管理部门提出了建议和改进方案。 关键词：数理统计 峰度和偏度 DEA数据包络分析 神经网络 评价与预测1、问题重述 评价学生学习状况的目的是激励优秀学生努力学习取得更好的成绩，同时鼓励基础相对薄弱的学生树立信心，不断进步。 然而，现行的评价方式单纯的根据“绝对分数”评价学生的学习状况，忽略了基础条件的差异；只对基础条件较好的学生起到促进作用，对基础条件相对薄弱的学生很难起到鼓励作用。 附件给出了612名学生连续四个学期的综合成绩。 1.请根据附件数据，对这些学生的整体情况进行分析说明； 2.请根据附件数据，建立数学模型，全面、客观、合理的评价这些学生的学习状况； 3.试根据你的模型，预测这些学生后两个学期的学习情况； 4.根据你的模型分析，试给学校的管理部门写一篇短文，提出对学生学习状况评价的建议和改进方案。 2、问题假设 1、假设题目提供的数据真实可靠。 2、忽略各个学期之间的考试存在难度的差异。 3、不考虑突发因素对考试成绩的影响。 3、符号说明 符号 说明 神经元初始权值 输出层与隐层之间的权值 第i个学生的成绩（i=1,2，……n） 第j个学生的成绩（j=1,2，……n） 第a个学期（a=1,2） 第b个学期（b=1,2） 学生学习效率 4、问题分析 4.1 背景分析 在教育事业的发展过程中，培养了多少莘莘学子，而学生在学习过程中，学生的学习成绩是评价学生优秀与否的重要指标。学生成绩评价是对学生个体学业进展和行为变化的评价，且评价学生学习状况的目的是激励优秀学生努力学习取得更好的成绩，同时鼓励基础相对薄弱的学生树立信心，不断进步。 进行学生成绩评价，对教师和学生而言都相当重要。就教师而言，通过一定的评价手段掌握学生对既定知识的掌握情况程度，以便在今后的教学中加以调整，达到因材施教，整体发展的效果；而对学生来说，可通过评价来检查自己在学习上的不足，为以后的学习