五一建模大赛-江苏省本科教育质量综合评价.pdfVIP

五 一 数 学 建 模 竞 赛 题 目： 江苏省本科教育质量综合评价 摘 要： 本文通过建立基于 BP神经网络的综合评价模型，利用熵权法和主成分分 析等方法对指标进行遴选与分析， 并利用遗传算法对 BP神经网络进行优化， 从而对 江苏省本科教育质量进行了一个合理的综合评价，并给出了基于问题模型下的有效 促进江苏省本科教育质量的政策建议。 对于问题一，首先我们将影响本科教育质量的各个指标进行了细化以便利于量 化处理，然后对查到的指标数据进行了数据的预处理之后，通过不同的量化处理方 式和计算依据对各个指标进行量化处理，然后根据各个指标表现出来的规律或趋势 特点运用均值分析和聚类分析等方法对量化后的指标数据进行了数据分析。 对于问题二，我们对量化后的指标数据根据指标体系的构建原则进行一个遴选， 考虑到众多指标属性不同，量纲也不同，故首先我们对各指标值进行归一化处理。 然后建立了基于 BP神经网络的指标综合评价模型，对 13 个地级市的各个指标进行 输入最后确定每一个的综合评价值，从而得出 13 个地级市的本科教育质量综合评 价结果，最后用遗传算法对 BP神经网络进行一个优化，使综合评价结果更准确。 对于问题三，我们充分利用数据特征的熵值赋权法为模型，计算出各指标的权 重，然后进行冗余指标的去除。 最后为了对 13 个地级市本科教育质量进行评估， 我 们选择了属于客观赋权的主成分分析法为模型，对遴选后的指标建立起综合评价模 型，两次模型结果的对比也很好验证了评价的正确性。 对于问题四，在这里我们利用第三问遴选得出的 10 个三级指标为研究对象， 基 于 R 型聚类分析对指标进行分类，从中选取相关性强，具有代表性的指标以便缩小 指标选取范围。之后使用熵权法消除指标权重系数的主观性，得到筛选后指标的权 重，然后得到关于这些指标下 13 个城市的本科教育质量综合评价值， 再通过改变某 一项指标权值得到本科教育质量评价值的变化程度，从而建立城市本科教育发展差 异综合评价模型。 对于问题五，在这里我们结合前面的二三四问的研究结果，以及江苏省各地级 市本科教育质量的水平分布，从不同方面给出了有效提升江苏省本科教育质量切实 可行的政策建议与意见 本文特色在于运用了 BP神经网络模型后又使用遗传算法对模型进行优化改进使综合评价 结果更加合理，而且我们进行了综合评价模型的灵敏度分析，很好的验证了 模型的可靠性和 鲁棒性，使本文对江苏省的本科教育质量综合评价问题更加具有推广性。 关键词： BP神经网络 熵权法 主成分分析 遗传算法 R 型聚类分析 综合评价 一、问题重述 随着中国的改革开放，国家的综合实力不断增强，中国高等教育发展整体已进 入世界中上水平。作为一个教育大省，江苏省的本科教育发展在全国名列前茅，而 江苏省 13 个地级市的本科教育质量发展并不平衡。 1. 影响本科教育质量的指标有很多。查找资料，对如下 9 个指标（本科院校数量、 招生人数、师资队伍与结构、生师比、教学条件与利用、专业建设与教学改革、 学生就业、科研投入与产出、 双一流学科建设）进行量化处理 ( 完成下表 ) ，并进 行相关的数据分析。 2. 根据问题 1 中的指标数据， 建立数学模型， 对江苏省 13 个地级市 （常州、淮安、 连云港、南京、南通、宿迁、苏州、泰州、无锡、徐州、盐城、扬州、镇江）的 本科教育质量进行综合评价。 3. 通过建立数学模型， 分析在所给的 9 个指标中， 可以减少哪些指标使得评价结果 与问题 2 中的评价结果基本一致。 4. 通过建立数学模型， 确定一个