本发明属于数据挖掘与大数据分析技术领域，涉及面向院校投档线的预测技术。
背景技术：
各个招生院校的投档线是在同批次省级招办划定的最低控制线(又称为省控线)的基础上，根据当年该校在本省的招生计划、投档比例、考生报考该院校的志愿分布情况和这些考生的成绩分布情况所共同确定的。依据教育部规定，在各个批次的招生录取中，省级招办项院校投放考生档案的比例应控制在1：1～1：1.2之间。
而每年有许多的考生在最后录取的结果中面临着高就和低就的问题。所谓高就就是在第一批次录取的过程中，由于自己的分数不够，投档后被退档而只能进行第二批次的征求平行志愿。所谓低就就是自己的成绩比所报考的学校的投档线高出许多。
随着互联网与大数据技术的发展，开发院校投档线预测技术，能有效降低学生遇到高就和低就的概率，因此，有必要对此技术开展全新的研究。
技术实现要素：
本发明的目的在于提供一种基于神经网络的院校投档线预测方法，以提高下一年院校投档线的预测准确率。
为了解决以上技术问题，本发明采用的技术方案如下。
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。
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；
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。
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。
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35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。
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。
本发明具有有益效果。数据分析是保证院校投档线预测准确的关键技术。本发明提出的一种数据预测技术，其特点是充分考虑数据的特征对数据进行分类，通过对采集到的数据进行缺失值和离群点的处理、对经过处理的数据进行归一化、对数据集进行分类、对分类好的数据集分别进行建模预测等技术方法，显著提高了院校投档线预测的准确性。
具体实施方式
下面结合实施例对本发明的技术方案做进一步详细说明。
以在江苏省招生的12个院校历年的数据为例，对这12个院校进行下一年投档线的预测，表1为这12个院校历年数据的原始表。
表112个院校历年数据原始表
将表1的信息，依本发明的步骤一进行处理之后，得到表2。
表2.缺失值和离群点处理后的表
将表2的信息，依本发明的步骤二进行处理之后，得到表3。
表3数据归一化后的表
将表3的信息，依本发明的步骤三进行处理之后，得到表4～8。
表4训练集1
表5.训练集2
表6.训练集3
表7.训练集4
表8.训练集5
将训练集1中的院校下一年的两线差均预测为0。
将训练集2中的院校利用2012-2015年的两线差历史数据(2012-2014年为输入，2015为输出)采用神经网络进行建模，利用2013-2015年的数据作为输入，利用建立好的模型预测2016年的两线差。其中神经网络模型为双层隐藏层，第一层隐藏层共有20个神经元，第二个隐藏层共有15个神经元。
将训练集3中的院校利用2012-2015年的位次历史数据(2012-2014年为输入，2015为输出)采用神经网络进行建模，利用2013-2015年的数据作为输入，利用建立好的模型预测2016年的位次。其中神经网络模型为双层隐藏层，第一层隐藏层共有20个神经元，第二个隐藏层共有15个神经元。
将训练集4中的院校利用2012-2015年的位次历史数据(2012-2014年为输入，2015为输出)采用神经网络进行建模，利用2013-2015年的数据作为输入，利用建立好的模型预测2016年的位次。其中神经网络模型为双层隐藏层，第一层隐藏层共有20个神经元，第二个隐藏层共有15个神经元。
将训练集5中的院校利用2012-2015年的位次历史数据(2012-2014年为输入，2015为输出)采用神经网络进行建模，利用2013-2015年的数据作为输入，利用建立好的模型预测2016年的位次。其中神经网络模型为双层隐藏层，第一层隐藏层共有20个神经元，第二个隐藏层共有15个神经元。
在实际测试集上，模型的测试效果如下。
正确率：误差＝0，24.79％
误差≤1，51.24％
误差≤2，65.7％
误差≤1，75.2％
而纯粹用两线差不分类进行建模的测试效果如下。
正确率：误差＝0，21.49％
误差≤1，36.37％
误差≤2，54.55％
误差≤1，65.71％
由此可见，本申请提出的一种基于神经网络的院校投档线预测方法具有较高的准确率。