基于DE-LSTM模型的教育统计数据预测研究

摘要：

当前,教育大数据呈现数据量大和数据类型多样的特点,准确有效地对教育统计数据进行分析和预测,对教育部门相关政策的制定和社会的发展具有重要的参考价值.文中以某市每年的招生人数为数据基础,提出了DE-LSTM模型,该模型通过差分进化算法(DE)对长短期记忆神经网络(LSTM)中的隐含层节点和学习率进行优化,使所提模型具有较好的预测性能,并与现有的BP神经网络预测模型、LSTM神经网络预测模型进行了对比.实验结果表明,提出的DE-LSTM预测模型具有较高的预测精度.

关键词：教育统计数据、时间序列预测、BP神经网络、长短时期记忆网络、差分进化算法

所属期刊栏目：49

分类号：TP183(自动化基础理论)

资助基金：陕西省教育厅信息保障专项科学研究计划项目;陕西省自然科学基础研究计划一般项目

在线出版日期：2022-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：261-266