精准扶贫是我国全面建成小康社会的重要战略举措,但是在我国扶贫工作取得显著成效的同时,不少贫困地区却长期存在着“扶贫、脱贫、再返贫”的怪圈。由于返贫现象的存在,脱贫人口再返贫成为我国脱贫攻坚最后阶段亟待解决的难题,也是我国全面建成小康社会以后所面临的严峻挑战。因此,深入地挖掘返贫特征、构建返贫预测模型,有助于扶贫工作者预测脱贫户未来的返贫情况,并提前制定有针对性的、更高效的帮扶措施,这对我国反贫困战略的开展具有重要的应用价值。本论文以巩固脱贫攻坚成果、降低返贫率为目标,构建了一种基于我国贫困现状的返贫预测模型,以期给扶贫工作者提供科学有效的决策支持。论文具体研究内容如下:(1)基于关联规则算法的返贫事件关联规则分析。根据SPCA模型,选取返贫事件影响因子,通过数据属性概化处理影响因子建立返贫事件事务数据库,利用FP-Growth算法对返贫影响因子进行分析,挖掘最大返贫特征项集及其关联规则。(2)基于BP神经网络的返贫预测模型构建。在返贫事件事务数据库的基础上,量化特征项集,采用贝叶斯正则化算法对神经网络进行训练,构造基于BP神经网络的返贫预测模型。通过对返贫预测模型进行验证,可以定位到具有很大可能性返贫的脱贫户,以便扶贫工作者及时调整帮扶计划,提前预防返贫事件的发生,从而降低返贫率。(3)返贫预测分析系统设计与实现。以上述模型与方法的研究为依据,结合扶贫领域用户的需求,设计与实现了返贫预测决策分析系统。该系统功能包括多条件查询、农户详细信息、动态统计、关联规则挖掘、返贫预测分析。将关联规则与神经网络相结合分析出的预测结果应用到扶贫工作当中,为扶贫政策的制定提供更准确清晰的数据支持,使扶贫工作的开展更加高效顺利。