基于优化Nbeats的学生成绩预测方法、系统及装置制造方法及图纸

本发明专利技术公开一种基于优化Nbeats的学生成绩预测方法、系统及装置，方法包括以下步骤：获取原始学习数据集，对所述原始学习数据集进行预处理，得到标准化学习数据集；构建学生成绩预测预训练模型；基于训练集对学生成绩预测预训练模型进行训练，得到学生成绩预测模型；将待测学习数据输入至学生成绩预测模型，预测学生未来某时段的学习成绩。通过本发明专利技术的方法对现有Nbeats模型的预测过程进行改进，将舍弃前向预测值的方法进行优化，将模型中块运算舍弃的前向预测值继续执行块运算，得到优化后的学生成绩预测模型，具有更加优秀的预测效果的结论。并通过一系列数据进行验证，证明优化后的学生成绩预测模型更加稳定高效。

【技术实现步骤摘要】

本专利技术涉及人工智能，尤其涉及一种基于优化nbeats的学生成绩预测方法、系统及装置。

技术介绍

1、目前，学生成绩预测方式主要是依赖传统课堂教学考试等学习数据和学生行为数据进行计算进而预测。随着科技的发展，已经有人采用问卷调查的方式，将学生个性、动机、心理社会背景、学习策略、学习方法和社会经济地位等数据进行汇总，并利用多分类支持向量机对学生成绩进行了高、中、低三个等级的预测。或者采用多种推荐系统方法，通过多种算法(如svd、svd-knn和因式分解机等)对下一学期的学生成绩进行预测，并对预测结果进行综合分析。或者，通过混合分解机和随机森林的方法，利用学生所学课程的成绩来预测学生成绩。以及通过学生课程历史成绩数据，通过稀疏线性和低秩矩阵分解模型，以预测未来的课程成绩。当然，还有基于当前课程生成的数据，采用机器学习方法(如逻辑回归、支持向量机、随机森林、朴素贝叶斯和集成学习)构建学生表现预测模型，以评估学生是否存在辍学风险。等等，目前很多算法都被用来预测学生相关数据或者行为数据。

2、传统机器学习算法在学生成绩预测任务中,需要手动设计特征工程以本文档来自技高网...

【技术保护点】

1.一种基于优化Nbeats的学生成绩预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于优化Nbeats的学生成绩预测方法，其特征在于，所述对所述原始学习数据集进行预处理，得到标准化学习数据集，包括以下步骤：

3.根据权利要求1所述的基于优化Nbeats的学生成绩预测方法，其特征在于，所述全连接网络层生成前向预测值的膨胀系数和后向预测值的膨胀系数；

4.根据权利要求3所述的基于优化Nbeats的学生成绩预测方法，其特征在于，每个块包括四层全连接网络层，第一全连接网络层接收输入的训练集，通过激活函数生成第一结果；第二全连接网络层接收第一结...

【技术特征摘要】

1.一种基于优化nbeats的学生成绩预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于优化nbeats的学生成绩预测方法，其特征在于，所述对所述原始学习数据集进行预处理，得到标准化学习数据集，包括以下步骤：

3.根据权利要求1所述的基于优化nbeats的学生成绩预测方法，其特征在于，所述全连接网络层生成前向预测值的膨胀系数和后向预测值的膨胀系数；

4.根据权利要求3所述的基于优化nbeats的学生成绩预测方法，其特征在于，每个块包括四层全连接网络层，第一全连接网络层接收输入的训练集，通过激活函数生成第一结果；第二全连接网络层接收第一结果，通过激活函数生成第二结果；第三全连接网络层接收第二结果，通过激活函数生成第三结果；第四全连接网络层接收第三结果，通过激活函数生成输出信号；

5.根据权利要求4所述的基于优化nbeats的学生成绩预测方法，其特征在于，所述第一全连接网...

【专利技术属性】
技术研发人员：诸葛斌，林诗凡，张磊，董黎刚，蒋献，
申请(专利权)人：浙江工商大学，
类型：发明
国别省市：