（江苏科技大学苏州理工学院 江苏 215600）

1 引言

高校在智慧校园与高校大数据平台建设中，沉淀了大量的学生校园行为数据，尤其是在校园一卡通普及后，每天高校都产生数万条学生刷卡行为数据。而贫困生资助工作一直以来是高校学生工作的重点之一，实现资助工作科学化的前提是识别对象精准化。但是高校在传统的贫困生认定工作中，仍然会出现因学生材料可信度考证难度大、伪贫困和学生因心理压力拒绝申请等情况出现，对此给高校贫困生认定工作带来了一定困难。

为了提高贫困生认定的准确率，各高校都在研究使用数据挖掘与大数据技术突破贫困生认定工作的瓶颈，如使用Apriori 关联规则算法、贝叶斯分类算法、K-Means 聚类算法、SVM（支持向量机）等算法模型提高贫困生认定的精准率。本文采用神经网络算法模型实现对贫困生身份的精准预测。神经网络算法有较强的非线性映射能力，适合于求解内部机制复杂的问题，具备自组织自适应、非线性映射、高度并行、高泛化等特点，对基于校园一卡通消费数据的数据挖掘工作有较高的识别预测的能力，可以辅助高校挖掘潜在的贫困生，提高资助工作精准性。

2 基于神经网络算法的预测模型

BP 网络，是一种按误差逆向传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一，用于函数逼近、模型识别分类、数据压缩和时间序列预测等。它是一种有监督的学习算法，具有很强的自适应、自学习、非线性映射能力，能较好地解决数据少、信息贫、不确定性问题，且不受非线性模型的限制。……