论文部分内容阅读
摘要：大学生处在一个半封闭的群体生活环境中，面对一系列问题，会产生一些心理波动，当刺激超出个人心理承受能力时，就会出现心理突发事件。本文对大学生心理突发事件监测与预警系统进行研究，构建了主成分分析法模型和神经网络监测模型，并采集数据进行了验证，提出了高校大学生心理突发事件预警措施。
关键词：心理突发事件监测预警;主成分分析法;神经网络监测模型
一、研究背景
受社会复杂性及其发展不确定性影响，高校大学生心理问题诱发机制呈现深层化、复杂化趋势。大学生心理突发事件监测预警是大学生心理健康管理体系的重要组成，加强监测预警研究对预防大学生心理突发事件的发生具有重要意义，它有助于高校管理者提前预判并解决学生心理突发事件风险隐患，助力学生心智健康成长。
二、研究方法
（一）研究步骤
首先，寻找产生当代大学生心理问题的诱因，确定引发这些心理问题的主要影响因素，建立指标体系集，依据指标体系采集相关数据，应用主成分分析法对数据集进行研究，确定各影响因素的主成分，给出影响排序结果，明确主要影响因素指标。
其次，依据对主要影响因素的分析结论，构建基于影响因素的大学生心理问题评估指标体系，并验证指标体系的信度和效度。采用Cronbach's Alpha系数矩阵数据的可靠性进行信度分析，采用KMO和Bartlett检验的结果来体现指标效度分析。
第三，建立大学生心理突发事件监测模型，并通过仿真分析，验证模型的有效性与稳健性。采用神经网络模型进行监测，该神经网络模型通过影响因素的成分确定权值，构建多元线性关系，将原始数据和结果带入网络中进行训练，将改动数据带入网络中进行模拟仿真，得到仿真的误差和范围，间接体现模型的有效性与稳健性。
第四，根据模型的仿真分析结果，构建大学生心理突发事件预警体系，并提出相关对策和建议。
（二）模型假设及符号说明
1.假设BP神经模型的输入阈值与输出阈值之间的误差对神经网络模型的影响微弱。
2.假设所考虑的10个因素即为大学生心理问题的全部影响因素。
三、心理突发事件影响因素分析
（一）数据预处理
通过信息采集与分析，确定当代大学生心理问题的10个影响因素，分别是学生人际交往问题、学生学习压力大、学生对大学生活压力不适、学生受恋爱心理影响、学生对前途渺茫、就业压力过大、学校缺少一定的心理健康培训、学生的人际关系紧张、大学环境因素的影响、班主任导师对学生的关怀[1]，这些因素按照顺序依次用x1-x10代替。
收集到某高校关于10个影响因素的调查数据，该数据由5个专家针对各影响因素对大学生心理健康影响的打分。
为了能够更精确的对产生当代大学生心理问题的影响因素进行分析，通过数据预处理，将获取到的数据进行归一化处理，处理公式如下所示：
其中 代表第i个因素的第j个专家的打分; 代表第i个因素的所有专家给出打分的最小值; 代表第i个因素的所有专家给出打分的最大值; 代表代表第i个因素的第j个专家打分的归一化之后的数值。
（二）建立模型
为研究引发这些心理问题的主要影响因素，用主成分分析法对10个影響因素进行分析。
（1）主成分分析法原理
主成份分析是设法将原来众多具有一定相关性（比如P个指标），重新组合成一组新的互相无关的综合指标来代替原来的指标。通常数学上的处理就是将原来P个指标作线性组合，作为新的综合指标。最经典的做法就是用F1（选取的第一个线性组合，即第一个综合指标）的方差来表达，即Var（F1）越大，表示F1包含的信息越多。因此在所有的线性组合中选取的F1应该是方差最大的，故称F1为第一主成分。如果第一主成分不足以代表原来P个指标的信息，再考虑选取F：即选第二个线性组合，为了有效地反映原来信息，F，已有的信息就不需要再出现在F：中，用数学语言表达就是要求Cov（F，Fa）=0，则称F：为第二主成分，依此类推可以构造出第三、第四……第P个主成分。
（2）主成分分析步骤
S1 原始信息进行标准化处理;
S2 计算相关系数矩阵R;
S3 计算相关矩阵R的特征根和特征向量;
S4 计算各主成分的方差贡献率;
S5 选取主成分量;假如按所选取的m个主因子的信息量之和占总信息量的85%以上，即有m个主因子被提取。
主成份因子模型为：
计算主成分得分和综合得分，综合得分越高，系统水平越高，反之系统水平越低。
（三）模型求解
将归一化之后的数据带入软件SPSS21中，使用软件的降维-因子分析进行主成分分析，
变量相关阵三个最大特征根都大于1，而且它们的方差累计贡献率为94.844%，这说明前三个主成份提供了原始数据的足够信息。特征值在某种程度上可以被看成是表示主成分影响力度大小的指标，如果特征值小于1，说明该主成分的解释力度不如直接引入一个原变量的平均解释力度大，因此一般可以用特征值大于1作为纳入标准。主成分个数提取原则为主成分对应的特征值大于1的前m个主成分。通过方差分解主成分提取3个主成分，即m=3。
x1、x2、x3、x4、x8、x10在第一成分有着较高的成分载荷，说明第一成分基本反映了这些指标的信息。x5、x6、x7在第二成分有着较高的成分载荷，说明第二成分基本反映了这些指标的信息。x9在第三成分有着较高的成分载荷，说明第三成分基本反映了这些指标的信息。
对原始变量标准化，以每个主成分所对应的特征值占所提取主成分总的特征值之和的比例作为权重计算主成分综合模型： 根据主成分综合模型即可计算综合主成分值，并对其按综合主成分分值进行排序，即可对各因子进行综合评价比较，结果如下表所示：
由上表可得影响因素的排序，其中影响最大的因素为学生人际交往问题，最小因素的为学校缺少一定的心理健康培训。
四、心理突发事件评估指标体系
4.1建立模型
将10个影响因素通过软件分析，得出分为三层主成分，依据软件分析结果，将指标体系分为三类：第一类为学生自身因素对心理健康问题的影响：学生人际交往问题，学习压力大，大学生活压力不适，受恋爱心理影响，人际关系紧张，老师对学生的关怀。第二类为学生就业方面对心理问题的影响：对前途感到迷茫，就业压力大。第三类为大学环境因素对心理问题的影响：缺少心理健康培训，大学环境因素影响。
4.2模型求解
（1）指标体系的信度
信度的分析主要是对调查数据的一种数学上的检验，主要考察的是数据的一致性和可靠性。采用Cronbach's Alpha系数矩阵数据的可靠性进行信度分析，被观测的变量主语0.6-0.85之间的认为数据来源可靠，Cronbach's Alpha在0.7-0.8之间，可认为这个数据是很有意义的。
将收集到的数据带入软件SPSS21中进行信度分析，结果显示Cronbach's Alph的值在0.806符合规范，所得数据可靠。
（2）指标体系的效度
采取SPSS21的因子分析功能进行分析，用主成分法来提取因素影响，使用相关系数作为因素抽取基础，用Bartlett球形分析来检验是否相关系数不同并大于0，显著的球形检验表示相关系数满足要求。KMO系数代表与该变量有关的所有相关系数与净相关系数的比值，比值越大表示相关性越好，KMO统计需要大于0.5，适合因素分析。效度主要测量的是指标的质量，本研究的KMO&Bartlett检验量度为0.551，符合标准，指标质量良好，效度高。
五、心理突发事件监测模型构建
（一）模型建立
依据主成分综合模型，通过主成分综合模型所得的每个因素的F值构成一个多元方程模型，如下：
上式中，C为专家对10个影响因素的综合打分，且范围为[-10，10]。
将式中的关系式子通过带入神经网络模型中进行训练，可得到训练模型的一个网络关系，训练好的网络模型即为大学生心理突发事件的监测模型。神经网络预测模型步骤：
S1 初始化神经网络预测模型[2]：
对神经网络模型的连接权值 ， 和阈值 、 分别赋于[0，1]区间内的值。
S2 对神经网络中隐含层神经节点的输入 和 进行计算，即：
S7 计算输出值于期望值得误差，如果满足设定精度要求，则神经网络训练学习结束，否则转入步骤S2继续进行训练学习。
（二）模型求解
建立神经网络模型，通过BP神经网络，应用matlab软件进行编程，将归一化处理之后的数据放入网络中进行训练，得出训练的神经网络误差小于10-4，说明训练结果有效。
通过上述神经网络模型训练，得到一个关于大学生心理突发事件的监测模型，该模型的输出结果的范围的正常值是[-10，10]，网络模型的误差结果小于10-2认为网络的训练和输出结果可接受，且有效。为了验证模型的有效性与稳健性，通过修改各专家对各因素的打分值，并且打分值控制在[0，100]正常范围内，将修改后的值的归一化处理。
然后我们将重新修改的值带入模型中进行仿真训练，得到如下的训练结果：
通过神经网络检测模型的仿真训练结果，得到模型仿真训练的误差小于10-8，说明仿真训练的模型结果有效，验证了模型的有效性。结果范围都属于[-10，10]，表明训练出来的结果属于正常范围内波动，仿真训练的结果验证了模型的稳健性。
六、结语
大学生心理突发事件监测预警工作是一项非常复杂的系统工程，本文对影响大学生心理问题的10个重点因素进行分析，基于主成分分析法模型和神经网络监测模型对大学生心理突发事件的监测与预警问题进行了研究，对预警体系构建进行了探索。本文用到的神经网络监测模型具有非线性映射能力，自学习和自适应能力，泛化能力和容错能力等优点。但是存在局部极小化问题，神经网络算法的收敛速度慢，使得算法低效，网络模型的逼近和推广能力与学习样本的典型性密切相关。
参考文献
[1]钱慧. LN高校学生心理健康教育主要影响因素分析研究[D].华南理工大学，2013.
[2]肖阳. 基于协整理论和人工神经网络的煤炭價格预测模型[D].西安科技大学，2016.
[3]张勇. 我国大学生心理危机行为的系统分析与管理对策研究[D].合肥工业大学，2018.
【作者简介】王雪莹（2001，2—），女，汉族，北京通州人，本科学历，中国石油大学（北京）学生，研究方向：信息管理与信息系统
关键词：心理突发事件监测预警;主成分分析法;神经网络监测模型
一、研究背景
受社会复杂性及其发展不确定性影响，高校大学生心理问题诱发机制呈现深层化、复杂化趋势。大学生心理突发事件监测预警是大学生心理健康管理体系的重要组成，加强监测预警研究对预防大学生心理突发事件的发生具有重要意义，它有助于高校管理者提前预判并解决学生心理突发事件风险隐患，助力学生心智健康成长。
二、研究方法
（一）研究步骤
首先，寻找产生当代大学生心理问题的诱因，确定引发这些心理问题的主要影响因素，建立指标体系集，依据指标体系采集相关数据，应用主成分分析法对数据集进行研究，确定各影响因素的主成分，给出影响排序结果，明确主要影响因素指标。
其次，依据对主要影响因素的分析结论，构建基于影响因素的大学生心理问题评估指标体系，并验证指标体系的信度和效度。采用Cronbach's Alpha系数矩阵数据的可靠性进行信度分析，采用KMO和Bartlett检验的结果来体现指标效度分析。
第三，建立大学生心理突发事件监测模型，并通过仿真分析，验证模型的有效性与稳健性。采用神经网络模型进行监测，该神经网络模型通过影响因素的成分确定权值，构建多元线性关系，将原始数据和结果带入网络中进行训练，将改动数据带入网络中进行模拟仿真，得到仿真的误差和范围，间接体现模型的有效性与稳健性。
第四，根据模型的仿真分析结果，构建大学生心理突发事件预警体系，并提出相关对策和建议。
（二）模型假设及符号说明
1.假设BP神经模型的输入阈值与输出阈值之间的误差对神经网络模型的影响微弱。
2.假设所考虑的10个因素即为大学生心理问题的全部影响因素。
三、心理突发事件影响因素分析
（一）数据预处理
通过信息采集与分析，确定当代大学生心理问题的10个影响因素，分别是学生人际交往问题、学生学习压力大、学生对大学生活压力不适、学生受恋爱心理影响、学生对前途渺茫、就业压力过大、学校缺少一定的心理健康培训、学生的人际关系紧张、大学环境因素的影响、班主任导师对学生的关怀[1]，这些因素按照顺序依次用x1-x10代替。
收集到某高校关于10个影响因素的调查数据，该数据由5个专家针对各影响因素对大学生心理健康影响的打分。
为了能够更精确的对产生当代大学生心理问题的影响因素进行分析，通过数据预处理，将获取到的数据进行归一化处理，处理公式如下所示：
其中 代表第i个因素的第j个专家的打分; 代表第i个因素的所有专家给出打分的最小值; 代表第i个因素的所有专家给出打分的最大值; 代表代表第i个因素的第j个专家打分的归一化之后的数值。
（二）建立模型
为研究引发这些心理问题的主要影响因素，用主成分分析法对10个影響因素进行分析。
（1）主成分分析法原理
主成份分析是设法将原来众多具有一定相关性（比如P个指标），重新组合成一组新的互相无关的综合指标来代替原来的指标。通常数学上的处理就是将原来P个指标作线性组合，作为新的综合指标。最经典的做法就是用F1（选取的第一个线性组合，即第一个综合指标）的方差来表达，即Var（F1）越大，表示F1包含的信息越多。因此在所有的线性组合中选取的F1应该是方差最大的，故称F1为第一主成分。如果第一主成分不足以代表原来P个指标的信息，再考虑选取F：即选第二个线性组合，为了有效地反映原来信息，F，已有的信息就不需要再出现在F：中，用数学语言表达就是要求Cov（F，Fa）=0，则称F：为第二主成分，依此类推可以构造出第三、第四……第P个主成分。
（2）主成分分析步骤
S1 原始信息进行标准化处理;
S2 计算相关系数矩阵R;
S3 计算相关矩阵R的特征根和特征向量;
S4 计算各主成分的方差贡献率;
S5 选取主成分量;假如按所选取的m个主因子的信息量之和占总信息量的85%以上，即有m个主因子被提取。
主成份因子模型为：
计算主成分得分和综合得分，综合得分越高，系统水平越高，反之系统水平越低。
（三）模型求解
将归一化之后的数据带入软件SPSS21中，使用软件的降维-因子分析进行主成分分析，
变量相关阵三个最大特征根都大于1，而且它们的方差累计贡献率为94.844%，这说明前三个主成份提供了原始数据的足够信息。特征值在某种程度上可以被看成是表示主成分影响力度大小的指标，如果特征值小于1，说明该主成分的解释力度不如直接引入一个原变量的平均解释力度大，因此一般可以用特征值大于1作为纳入标准。主成分个数提取原则为主成分对应的特征值大于1的前m个主成分。通过方差分解主成分提取3个主成分，即m=3。
x1、x2、x3、x4、x8、x10在第一成分有着较高的成分载荷，说明第一成分基本反映了这些指标的信息。x5、x6、x7在第二成分有着较高的成分载荷，说明第二成分基本反映了这些指标的信息。x9在第三成分有着较高的成分载荷，说明第三成分基本反映了这些指标的信息。
对原始变量标准化，以每个主成分所对应的特征值占所提取主成分总的特征值之和的比例作为权重计算主成分综合模型： 根据主成分综合模型即可计算综合主成分值，并对其按综合主成分分值进行排序，即可对各因子进行综合评价比较，结果如下表所示：
由上表可得影响因素的排序，其中影响最大的因素为学生人际交往问题，最小因素的为学校缺少一定的心理健康培训。
四、心理突发事件评估指标体系
4.1建立模型
将10个影响因素通过软件分析，得出分为三层主成分，依据软件分析结果，将指标体系分为三类：第一类为学生自身因素对心理健康问题的影响：学生人际交往问题，学习压力大，大学生活压力不适，受恋爱心理影响，人际关系紧张，老师对学生的关怀。第二类为学生就业方面对心理问题的影响：对前途感到迷茫，就业压力大。第三类为大学环境因素对心理问题的影响：缺少心理健康培训，大学环境因素影响。
4.2模型求解
（1）指标体系的信度
信度的分析主要是对调查数据的一种数学上的检验，主要考察的是数据的一致性和可靠性。采用Cronbach's Alpha系数矩阵数据的可靠性进行信度分析，被观测的变量主语0.6-0.85之间的认为数据来源可靠，Cronbach's Alpha在0.7-0.8之间，可认为这个数据是很有意义的。
将收集到的数据带入软件SPSS21中进行信度分析，结果显示Cronbach's Alph的值在0.806符合规范，所得数据可靠。
（2）指标体系的效度
采取SPSS21的因子分析功能进行分析，用主成分法来提取因素影响，使用相关系数作为因素抽取基础，用Bartlett球形分析来检验是否相关系数不同并大于0，显著的球形检验表示相关系数满足要求。KMO系数代表与该变量有关的所有相关系数与净相关系数的比值，比值越大表示相关性越好，KMO统计需要大于0.5，适合因素分析。效度主要测量的是指标的质量，本研究的KMO&Bartlett检验量度为0.551，符合标准，指标质量良好，效度高。
五、心理突发事件监测模型构建
（一）模型建立
依据主成分综合模型，通过主成分综合模型所得的每个因素的F值构成一个多元方程模型，如下：
上式中，C为专家对10个影响因素的综合打分，且范围为[-10，10]。
将式中的关系式子通过带入神经网络模型中进行训练，可得到训练模型的一个网络关系，训练好的网络模型即为大学生心理突发事件的监测模型。神经网络预测模型步骤：
S1 初始化神经网络预测模型[2]：
对神经网络模型的连接权值 ， 和阈值 、 分别赋于[0，1]区间内的值。
S2 对神经网络中隐含层神经节点的输入 和 进行计算，即：
S7 计算输出值于期望值得误差，如果满足设定精度要求，则神经网络训练学习结束，否则转入步骤S2继续进行训练学习。
（二）模型求解
建立神经网络模型，通过BP神经网络，应用matlab软件进行编程，将归一化处理之后的数据放入网络中进行训练，得出训练的神经网络误差小于10-4，说明训练结果有效。
通过上述神经网络模型训练，得到一个关于大学生心理突发事件的监测模型，该模型的输出结果的范围的正常值是[-10，10]，网络模型的误差结果小于10-2认为网络的训练和输出结果可接受，且有效。为了验证模型的有效性与稳健性，通过修改各专家对各因素的打分值，并且打分值控制在[0，100]正常范围内，将修改后的值的归一化处理。
然后我们将重新修改的值带入模型中进行仿真训练，得到如下的训练结果：
通过神经网络检测模型的仿真训练结果，得到模型仿真训练的误差小于10-8，说明仿真训练的模型结果有效，验证了模型的有效性。结果范围都属于[-10，10]，表明训练出来的结果属于正常范围内波动，仿真训练的结果验证了模型的稳健性。
六、结语
大学生心理突发事件监测预警工作是一项非常复杂的系统工程，本文对影响大学生心理问题的10个重点因素进行分析，基于主成分分析法模型和神经网络监测模型对大学生心理突发事件的监测与预警问题进行了研究，对预警体系构建进行了探索。本文用到的神经网络监测模型具有非线性映射能力，自学习和自适应能力，泛化能力和容错能力等优点。但是存在局部极小化问题，神经网络算法的收敛速度慢，使得算法低效，网络模型的逼近和推广能力与学习样本的典型性密切相关。
参考文献
[1]钱慧. LN高校学生心理健康教育主要影响因素分析研究[D].华南理工大学，2013.
[2]肖阳. 基于协整理论和人工神经网络的煤炭價格预测模型[D].西安科技大学，2016.
[3]张勇. 我国大学生心理危机行为的系统分析与管理对策研究[D].合肥工业大学，2018.
【作者简介】王雪莹（2001，2—），女，汉族，北京通州人，本科学历，中国石油大学（北京）学生，研究方向：信息管理与信息系统