21世纪以来,中国的高等教育已经完成从“精英教育”向“大众化教育”的转变。高等教育现在已经关系着千家万户,关系着每个家庭的未来。而高考志愿填报作为高考中的一个关键环节,其重要性不言而喻。绝大部分考生在第一次接触高考志愿填报,对高考志愿填报中的流程、相关信息缺乏认识,常常会出现高考志愿填报不合理,造成考生落榜或者浪费分数的情况。近年来中国高考制度实行改革,目前已有多个省份已经完成二三本录取批次合并。因此考生在志愿填报中面临许多新的问题。考生不仅仅需要了解在批次合并以后如何填报高考志愿,更需要在高考二三本批次合并之后学校的选择、分数线预测方面做出调整。而当前市场上对于高考分数预测大多数采用的是传统的预测方法,几乎没有对当前二三本合并的情况进行调整,即使极少数分数线预测方法考虑到了二三本合并,但是预测规律不清楚,不够准确。围绕着高考志愿填报,本研究团队在收集历年高考录取分数线数据的基础上,使用当前热门的人工神经网络技术对高校录取分数线进行预测。本文的工作主要包括以下几个方面。分析项目可行性:分析高考填报志愿流程以及高考二三本合并现状。结合人工神经网络技术,提出高考二三本合并背景下基于人工神经网络的高考分数线预测方法。设计并生成构建人工神经网络模型需要的数据集:结合当前已有的高考分数线预测方法以及高考的平行志愿填报流程进行分析,通过分析提取出高考分数线的影响因子,针对二三本合并政策,设计二三本合并年份特征。采用爬虫技术、人工收集等方式在互联网上收集高考分数线影响因子,通过特征值转换、缺失值排除、标准化等方法将收集到的数据整理成人工神经网络能够接收、处理的数据。设计并构建高考分数线预测模型:根据已收集到的高考相关数据,设计合适的输入层、隐藏层以及输出层等人工神经网络架构。在完成人工神经网络架构设计后,配置开发环境并通过TensorFlow框架将该神经网络实现。通过实验进行人工神经网络模型参数优化:使用人工神经网络模型对二三本合并省份的院校录取分数线进行学习,不断通过实验将模型参数调优,得到在二三本合并背景下高考分数线预测模型。对人工神经网络模型进行性能测试:通过设置测试标准对人工神经网络模型进行准确率、召回率以及二三本合并背景下不同省份的预测结果进行测试。在通过以上一系列的实验与分析,本研究得到的高考分数线预测模型能够在误差值为±2分的交叉验证测试中达到百分之八十左右的预测准确率,已经达到满足实际应用的准确率。本研究中获得的高考分数线数据是以往研究中没有用过的,研究通过采用新的数据,新的预测方法打破传统采用分差预测高考分数线的方式,为分数预测提供新的思路。充实了我国人工神经网络技术在实际问题上的应用,为社会各界更深入地理解高考志愿填报、解读二三本合并政策提供参考。