System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及互联网大数据,尤其涉及一种学区学位情况预测方法、设备及介质。
技术介绍
1、传统的学区划分方法主要采用运筹学线性规划方法,即依据学校、居民点以及道路网络等信息构建出学区划分模型,以实现对学区的划分。通常情况下,每一个学区可以包括一到若干所公立学校,小的学区可能只设有一所小学,大的学区可能设有几所小学或中学,设有多所学校的学区,学生以邻近区域就近入学为原则,选择就读学校。但是,考虑到生育政策会带来生育率的增加,进而会使得学龄人口规模发生的变动;此外,随着城镇化发展,更多的随迁子女随着父母进入一线城市以及二线城市,使得某些学区无法容纳越来越多的适龄儿童。
2、为了实现教育资源合理分配和科学规划,教育和规划相关部门通常需要预测不同区域的学位匹配情况,即预测该区域一段时间内的学位资源需求情况和供给情况,以便据此对教育资源进行合理分配,尽量保证每个学生能够接受良好的教育,能够享受足够的校舍、教师和图书等资源。
3、然而,在实际应用中,一般只针对不同区域每个阶段的适龄儿童人数数据进行预测,即一般只预测不同区域的学位资源需求情况,而不会对不同区域的学位供给情况进行预测,导致热点区域经常出现将大量的学位需求强加给学区内的学校,出现学位匹配不合理的情况,一般表现为一个老师带过多的班级或一个班级学生人数过多。
技术实现思路
1、本专利技术提供了一种学区学位情况预测方法、设备及介质,提供了一种对不同区域的学位供给情况进行预测的方法,以至少解决了热点区域经常出现将大量的学
2、一种学区学位情况预测方法,包括以下步骤:
3、获得第一学区及至少一个第二学区的历史毕业数据和历史招生数据,所述第二学区为与第一学区相似的学区;
4、根据所述历史毕业数据和所述历史招生数据进行模型训练以获得毕业-招生模型;
5、获得所述第一学区内的各个年级的与历史毕业数据匹配的预计毕业数据;
6、根据所述各个年级的预计毕业数据和所述毕业-招生模型获得至少未来一年的招生数据;
7、获得所述第一学区至少未来一年的适龄儿童人数数据;
8、根据所述至少未来一年的招生数据和所述至少未来一年的适龄儿童人数数据,获得学位缺口数据。
9、可选的,所述获得第一学区及至少一个第二学区的历史毕业数据和历史招生数据之前,还包括:
10、获得更大区域的筛选特征数据;
11、根据预设的规则对所述更大区域的所述筛选特征数据通过相关性分析进行数据清洗,筛选与所述第一学区的所述筛选特征数据相似度超过第一筛选阈值的学区;
12、将筛选出的所述与所述第一学区的所述筛选特征数据相似度超过第一筛选阈值的学区作为所述第二学区。
13、可选的,所述历史毕业数据包括:历史毕业教育资源数据和历史毕业学生人数;
14、所述历史招生数据至少包括:历史招生学生人数。
15、可选的,同一年份的所述历史毕业数据和所述历史招生数据作为一组自变量和因变量。
16、可选的,所述根据所述历史毕业数据和所述历史招生数据进行模型训练以获得毕业-招生模型的方法,包括:
17、搭建基础svm模型;
18、根据至少一个所述第二学区的历史毕业数据和历史招生数据对所述基础svm模型进行训练得到训练后的svm模型;
19、通过所述第一学区的历史毕业数据和历史招生数据对所述训练后的svm模型进行检验;
20、若检验通过,则将所述训练后的svm模型作为毕业-招生模型。
21、可选的,所述根据至少一个所述第二学区的历史毕业数据和历史招生数据对所述基础svm模型进行训练,得到训练后的svm模型之前,还包括:
22、对所述第一学区及所述第二学区的历史毕业数据和历史招生数据进行离散化处理;
23、所述根据至少一个所述第二学区的历史毕业数据和历史招生数据对所述基础svm模型进行训练,得到训练后的svm模型,包括:
24、根据至少一个所述第二学区的离散处理后的历史毕业数据和离散处理后的历史招生数据对所述基础svm模型进行训练,得到训练后的svm模型;
25、所述通过所述第一学区的历史毕业数据和历史招生数据对所述训练后的svm模型进行检验,包括:
26、通过所述第一学区的离散处理后的历史毕业数据和离散处理后的历史招生数据对所述训练后的svm模型进行检验。
27、可选的,所述获得所述第一学区至少未来一年的适龄人数数据,包括:
28、通过人工智能预测模型获得所述第一学区至少未来一年的适龄儿童人数数据。
29、可选的,还包括:
30、获得所述第一学区内的新建学校信息;
31、根据所述新建学校信息获得所述第一学区内的新增招生数据;
32、根据所述新增招生数据对所述学位缺口数据进行修正得到修正后的学位缺口数据。
33、可选的,还包括,根据所述第一学区的所述学位缺口数据和所述第一学区的至少一个相邻学区的所述学位缺口数据,获得所述第一学区的学位建议。
34、另一方面,一种计算机设备,其特征在于,该计算机设备包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序,实现上述的方法。
35、另一方面,一种计算机存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,处理器执行所述计算机程序,实现上述的方法。
36、本专利技术与现有技术相比,具有如下的优点和有益效果:
37、本专利技术一种学区学位情况预测方法、设备及介质,建立毕业-招生模型及获得第一学区内对应年份的预计毕业数据,通过毕业-招生模型和预计毕业数据可以对对应年份的预计招生人数进行预测,这个预计招生人数也就是招生数据,由于毕业-招生模型是根据历史毕业数据和历史招生数据训练得到的,因此,使用毕业-招生模型预测的预计招生人数不会大幅增加由于毕业释放出的教育资源的压力。解决了热点区域经常出现将大量的学位需求强加给学区内的学校,出现学位匹配不合理的情况的问题。
本文档来自技高网...【技术保护点】
1.一种学区学位情况预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种学区学位情况预测方法,其特征在于,所述获得第一学区及至少一个第二学区的历史毕业数据和历史招生数据之前,还包括:
3.根据权利要求2所述的一种学区学位情况预测方法,其特征在于,所述历史毕业数据包括:历史毕业教育资源数据和历史毕业学生人数;
4.根据权利要求1所述的一种学区学位情况预测方法,其特征在于,所述根据所述历史毕业数据和所述历史招生数据进行模型训练以获得毕业-招生模型的方法,包括:
5.根据权利要求4所述的一种学区学位情况预测方法,其特征在于,所述根据至少一个所述第二学区的历史毕业数据和历史招生数据对所述基础SVM模型进行训练,得到训练后的SVM模型之前,还包括:
6.根据权利要求1所述的一种学区学位情况预测方法,其特征在于,所述获得所述第一学区至少未来一年的适龄人数数据,包括:
7.根据权利要求5所述的一种学区学位情况预测方法,其特征在于,还包括:
8.根据权利要求1所述的一种学区学位情况预测方法,其特征在
9.一种计算机设备,其特征在于,该计算机设备包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序,实现根据权利要求1-8中任一项所述的方法。
10.一种计算机存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,处理器执行所述计算机程序,实现根据权利要求1-8中任一项所述的方法。
...【技术特征摘要】
1.一种学区学位情况预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种学区学位情况预测方法,其特征在于,所述获得第一学区及至少一个第二学区的历史毕业数据和历史招生数据之前,还包括:
3.根据权利要求2所述的一种学区学位情况预测方法,其特征在于,所述历史毕业数据包括:历史毕业教育资源数据和历史毕业学生人数;
4.根据权利要求1所述的一种学区学位情况预测方法,其特征在于,所述根据所述历史毕业数据和所述历史招生数据进行模型训练以获得毕业-招生模型的方法,包括:
5.根据权利要求4所述的一种学区学位情况预测方法,其特征在于,所述根据至少一个所述第二学区的历史毕业数据和历史招生数据对所述基础svm模型进行训练,得到训练后的svm模型之前,还包括:
6.根据权...
【专利技术属性】
技术研发人员:李鸿钊,莫云,袁朝喜,尹洪军,
申请(专利权)人:四川才子软件信息网络有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。