[发明专利]基于线上百分位回归模型的高考录取分数预测算法

说明书

基于线上百分位回归模型的高考录取分数预测算法，它涉及分数预测技术领域。基于线上百分位回归模型的高考录取分数预测算法包括以下步骤：准备预测年份的分数线信息；找出近年来所有录取数据；准备线性回归相关数据；准备线性回归用年份及平均录取百分位；通过线性回归求得平均线上百分率；准备最低百分位与平均百分位的差值平均值；根据分数线和预测百分位反推名次；根据名次反推成绩；获取当年的一分一档表；预测出高考录取分数；采用上述技术方案后，本发明的有益效果为：它在基于线上百分位回归模型的高考录取分数预测算法在排位的基础上，综合考虑了分数线影响和高校发展趋势影响，其整体预测精度较平均排位法有所提升。

技术领域

本发明涉及分数预测技术领域，具体涉及基于线上百分位回归模型的高考录取分数预测算法。

背景技术

在高校录取分数预测方面，市面共有技术大多采用等效分方式进行预测。该方式计算简单，无需变成，被广泛应用。等效分的工作原理是将上一年度高校录取分根据一分一档表转换成位次，然后再根据近年的一分一档表反向折合成今年的预测录取分数。该方法是建立在高校录取分对应的位次在两年间不会发生变化的假设基础之上的。现有技术还有采用平均排位法进行预测的，其原理是将某高校近年若干录取分数分别根据当年的一分一档表折合当年的分数排位，然后用这些排位的平均值作为平均排位，按照今年的一分一档表折合今年的高校录取预测分数。平均排位法使用前若干位次数据预测今年的录取分数，减少了因个别年份的“异常”值(由于点招等特殊原因导致个别人拉低了录取分)对预测精度的影响，总的来说，平均排位法的整体预测精度要高于等效分法。但是，尽管平均排位法使用前若干年的平均录取位次作为预测依据，提升了预测精度，但是仍然存在以下缺点：(1)、没有考虑不同年份间招生人数变化、分数线变化等因素，导致计算结果失真。例如某高校每年都是贴一本线招生。若2017-2015年理科一本录取分数线对应的位次分别是73581(485分)、69567(525分)、48935(544)位次，按照平均排位法预测的2018高校录取分数线应为：64028(535分)，考虑到该校每年都贴一本线招生，2018年理科一本分数线为511分，预测值与实际值相差了24分；(2)、没有考虑高校发展因素。由于高校教育教学水平并非一成不变，随时时间推移，部分高校在进步，部分高校在后退。平均排位法一味按照平均值预测录取分数，没有考虑高校的发展趋势对录取分数的影响。

发明内容

本发明的目的在于针对现有技术的缺陷和不足，提供一种基于线上百分位回归模型的高考录取分数预测算法，它在基于线上百分位回归模型的高考录取分数预测算法在排位的基础上，综合考虑了分数线影响和高校发展趋势影响，其整体预测精度较平均排位法有所提升。

为实现上述目的，本发明采用以下技术方案是：一种基于线上百分位回归模型的高考录取分数预测算法具体包括以下步骤：一、初始化SignalR消息并通知客户端显示进度条；二、准备预测年份的分数线信息；三、加载预测年份一分一档表；四、找到所有待预测的高校志愿批次信息；五、找出近年来所有录取数据；六、准备线性回归相关数据；七、准备线性回归用年份及平均录取百分位；八、准备最低百分位与平均百分位的差值；九、通过线性回归求得平均线上百分率；十、准备最低百分位与平均百分位的差值平均值；十一、为防止因为回归原因出现的最小线上百分位高于平均线上百分位的情形出现，线上最低百分位根据平均差异求得；十二、如果预测的成绩低于分数线，则直接替换成分数线；十三、根据分数线和预测百分位反推名次；十四、根据名次反推成绩；十五、获取省控线上下名次段；十六、获取当年的一分一档表；十七、预测出高考录取分数。

所述的步骤六中线性回归相关数据是使用高校各年录取平均分线上百分位上建立的。

所述的步骤十四中需要等待数据全部处理完成后方可进行下一个步骤。

所述的步骤十四后，要将预测的百分位转换成排名。

所述的步骤十五中要分别获取“本科提前批A”、“本科一批”、“本科提前批B”“本科二批”和“专科批”的线上上下名次段。