赵荟宇 王琦 崔占

1.北京师范大学教育学部

2.北京师范大学未来教育高精尖创新中心

3.清华大学附属小学信息中心

近年来，除极端天气等原因外，季节性疫情造成北京市中小学多次区域性停课。我国中小学校在应对突发疾病方面缺乏预警能力，除了定期进行疾病防控以外，一般是在疫情出现后才开始消毒清洁，这种滞后的应对方式效果较差，给学校的教学、管理等工作的开展造成困难，不利于相关教育卫生资源的合理配置和使用。[1-2]因此，结合相关数据建立一套预警模型，为教育资源配置和疫情预警提供有针对性的指导是很有必要的。本文以北京市某小学一年内的数据为基础，利用人工神经网络（ANN）在目标预测领域的优势，构建学校疫情预测模型，以期为区域教育信息化、深度学习技术在教育管理领域的应用提供参考模型和实践指导。

图1 基于BP神经网络的学校疫情预测模型

● 研究设计

1.研究思路

前馈神经网络是最基础的人工神经网络，其内核是BP算法。人工神经网络采用分布式存储、计算非线性数据，避免人为因素的参与，并依靠其本身强大的计算能力与学习能力，使研究数据经过大量数据的训练后更加接近实际，从而提高了目标预测的精准度。本文利用神经网络在目标预测领域的优势，对学校疫情预测模型进行构建，如上页图1所示。本文首先将原始数据进行处理，提取相关的特征变量，导入到设计好的神经网络中进行训练和测试。……