基于BP神经网络的大学生心理健康状况预测与分析

基于BP神经网络的大学生心理健康状况预测与分析

◇高教论述◇

基于BP神经网络的大学生心理健康状况预测与分析

魏丙刚1

（1.山东交通学院

【摘

胡志刚2

湖南

长沙

山东济南250023；2.中南大学410083）

要】大学生心理健康是高等教育的重要组成部分，所以当前大学生心理健康状况的研究与预测对更好解决大学生心

理健康问题具有重要的意义。以山东交通学院为例，选取2001年—2009年的数据并进行分析，采用归一化数据处理方法，为影响大学生系里健康的九大因素分配权重，选择神经网络的训练样本，利用神经网络的结构特性及Matlab的人工神经网络工具箱，建立基于BP神经网络的大学生心理健康状况预测系统的数学模型。通过对山东交通学院2009年大学生心理健康状况各影响因素权重进行预测，结果显示预测值与实测值的误差仅为0.88%。在此基础上，利用该模型对2010年山东交通学院大学生心理健康状况各影响因素权重进行预测，并分析造成该预测结果的原因，为当前大学生心理健康教育提供依据。

【关键词】BP神经网络；大学生心理健康；预测与分析

CollegeStudentsBasedonBPNeuralNetworkPredictionandAnalysisofMentalHealth

【Abstract】Psychologicalhealthisanimportantpartofhighereducation,sothecurrentmentalhealthstatusofuniversity

studentsstudyandpredictionofmentalhealthproblemstobetteraddressthestudentsofgreatimportance.ShandongJiaotongUniversity,forexample,selectthe2001-2009yearsofdataandanalysis,usingnormalizeddataprocessingmethods,inordertoaffectthehealthofcollegestudentsninefactorsthatthedepartmentassignedweights,choosetheneuralnetworktrainingsamples,usingneuralnetworkThestructuralcharacteristicsandartificialneuralnetworktoolboxinMatlab,theestablishmentofuniversitystudentsbasedonBPneuralnetworkpredictionsystemofmentalhealthstatusofthemathematicalmodel.ByShandongJiaotongUniversityin2009mentalhealthofcollegestudentsofvariousfactorstopredicttheweightshowedthatpredictedandmeasuredvaluesoftheerrorisonly0.88%.Onthisbasis,usingthemodelin2010,ShandongJiaotongUniversitymentalhealthofcollegestudentsofalltheweightfactorstopredictandanalyzethereasonsfortheresultsoftheforecastforthecurrentcollegestudentsprovidethebasisformentalhealtheducation.

【Keywords】BPneuralnetwork；CollegeStudentsMentalHealth；ForecastandAnalysis

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（ArtificialNeuralNetwork，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

78

基于BP神经网络的大学生心理健康状况预测与分析

◇高教论述◇

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]

层。隐层结点并不唯一，得出2009年预测结果，对比误差大小，经训练得出此模型含4个隐层节点数；3）参数确定。初始权值w=-0.2～0.2，学习速率LP.r=0.1，惯性系数=0.6，修正周期

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]

T=10，训练步数=500。

建立BP网络的命令为net=newff(a,b,{'tansig','purelin'},

'traingd')，训练网络的命令为[net,tr]=train(net,p,t)。将训练样本

代回网络进行仿真，实现命令b=sim(net,p1)，其中b为预测结果，p1为训练样本。网络的训练误差曲线如图1，可以看到网络有很好的训练结果。其中对于2009年的预测值和真实值的比较曲线见图2，而且总体的平方根误差在了1%之内，从而说明建立的模型完全可用于对下一年影响心理健康各因素的预测。得出2009年影响心理健康各因素的预测结果，见表1[5-6]。

表1

影响

因素

个人前途压力大

1.3BP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。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。

误差的反向传播，伴随着权值的调整过程。信号的正向传播、误差的反向传播及权值的调整周而复始地反复进行。权值不断调整的过程就是网络训练的过程。当网络的输出误差达到可以接受的程度或者达到预先设定的学习次数时，网络的学习过程停止。

2009年影响心理健康各因素 …… 此处隐藏：7424字，全部文档内容请下载后查看。喜欢就下载吧 ……