论文导读：我校对大学生心理健康调研数据从2000年开始备案，其权数和样本每年变化，故采用了2003-2008年这6年的影响心理健康各因素的统计值为样本，预测2010年的个影响因素权重值。已成功应用于预测、图像、数据分类、股价分析等多领域，准确预测已成为市场竞争的必备条件，利用BP神经网络在一定精度内模拟任何非线性函数的特点，建立新的预测模型并通过解决实际问题，对其仿真结果进行比较从而得出更切实际的预测结果。
关键词：BP神经网络，大学生心理健康，预测与分析
大学生作为一个承载社会、家长高期望值的特殊群体，其面临的心理压力明显高于其他同龄群体，所以对当代大学生心理现状的研究具有重要的意义。[1]心理健康具体表现的各个方面，包括身体、智力、情绪十分协调；适应环境、人际关系中彼此能谦让；有幸福感；在工作和职业中，能充分发挥自己的能力，过有效率的生活等。探讨影响心理健康的各种因素的内在规律，以应对未来的心理健康压力，提供心理健康工作的新思路，具有积极地影响。
我们力图在影响心理健康因素的不规律性中找出可以其可以探究的内容，如果使用时间序列分析法、非线性系统分析法等方法来预测，在理论研究和实际应用上都存在极大的困难和不确定性。而BP网络是含有隐含层的网络，其算法由正向传播和反向传播组成的。如果输出层得不到期望的输出结果，再进入误差反向传播阶段，网络根据反向传播的误差信号修改各层权值，使误差信号达到最小，在实际应用中，应用也是最广泛的。
我校对大学生心理健康调研数据从2000年开始备案，其权数和样本每年变化，故采用了2003-2008年这6年的影响心理健康各因素的统计值为样本，预测2010年的个影响因素权重值。我校将影响大学生心理健康的因素分为9大类即个人前途压力大、高考成绩不理想、个人情感挫折、同学关系矛盾、父母期望过高、家庭经济困难、父母关系不好、专业兴趣不高和其他因素，其中个人前途压力大和个人情感挫折所占权数最大。[8-9]
1.基于BP神经网络的CPI预测
1.1 人工神经网络简介
人工神经网络（Artificial Neural Network，ANN）是由大量的简单基本元件——神经元相互联接而成的自适应非线性动态系统。人工神经网络反映了人脑功能的若干基本特性，是对人脑的抽象、简化和模拟，反映人脑的基本特性。人工神经网络的研究是从人脑的生理结构出发来研究人的智能行为，模拟人脑信息处理的功能，它是根植于神经科学、数学、统计学、物理学、计算机科学及工程等科学的一种技术。已成功应用于预测、图像、数据分类、股价分析等多领域，准确预测已成为市场竞争的必备条件，利用BP神经网络在一定精度内模拟任何非线性函数的特点，建立新的预测模型并通过解决实际问题，对其仿真结果进行比较从而得出更切实际的预测结果。[3]
1.2 人工神经网络结构
BP神经网络一般包括输入层，中间层（隐层）和输出层，其中上下层之间实现全连接，而每层神经元之间无连接。当一对学习样本提供给网络后，神经元的激活值从输入层经各中间层向输出层传播，在输出层的各神经元获得网络的输入响应。在训练的过程中，按照减少目标输出与实际输出之间误差的方向，从输出层反向经过各输出层回到各输入层，从而逐层修正各连接权值，这种算法称为BP算法，也称“误差反向传播算法”。[3]
1.3 BP神经网络学习过程[6]
BP神经网络的学习过程分为两个阶段：信号的正向传播和误差的反向传播。
正向传播：输入信号从输入层传入，经过隐含层的逐层处理，从输出层输出，同层神经元之间没有任何耦合，同层神经元的状态仅影响下一层。免费论文网。当输出层的期望输出值与实际值的误差达不到规定的要求时，转向下一个阶段，即误差反向传播阶段。
反向传播：将输出层期望值与实际值的误差，经隐含层向输入层反向传播，将误差分摊给各层的所有神经元，从而得到各层神经元的误差信号，此误差信号将作为修正各单元权值的依据。
1/3 1 2 3 下一页 尾页 |
