运用Elman神经网络的邯郸市人才需求预测.pdfVIP

第25卷 第3期 河 北 工 程 大 学 学 报 (社 会 科 学 版) Vo1．25 No．3 2008年9月 Journal of Hebei University of Engineering (Social Science Edition) Sep．2008 运用 Elman神经网络的邯郸市人才需求预测 郭长河 ，郭 晗 ，范 杰 (1．河北工程大学 理学院，河北 邯郸056038；2．东北财经大学 会计学院，辽宁 大连 116023) [摘 要]Elman回归神经网络是一种典型的动态神经元网络，有适应时变特性的能力。考 虑到人才需求的动态性、随机性和非线性特点，本文搜集邯郸市统计年鉴上的有关历史数据，运 用Elman回归神经网络模型对 07—09三年的人才需求数 目进行 了预测，其 中08和 09两年的人 才预测数与作者运用多元回归模型预测的数据基本契合，其精确度有待验证。 [关键词]人才需求预测；Elman神经网络 [中图分类号]F299．27 [文献标识码]B [文章编号]1673—9477(2008)03—0026—03 在知识经济时代 ，越来越多的人们认识到，在 国 Elman神经网络一般分为 4层 ：输入层、中间层 家和区域的竞争中，人才是最重要的影响因素。对待 (隐含层)、承接层、输出层。如图1所示。其输入层、 人才除了要重视培养、选拔和使用外，人才规划也很 隐含层、输出层的连接类似于前馈网络，输入层的单 重要，而人才需求预测就是人才规划的重要内容 。人 元仅起信号传输作用，输出层单元起线性加权作用。 才需求预测的方法很多，比如多元 回归方法和灰色模 隐含层单元的一步传递函数可采用线性或非线性函 型法等。神经网络也是较为常用的方法之一。神经 数，承接层又称为上下文层或状态层，它用来记忆隐 网络具有并行处理、联想记忆、分布式知识存储、鲁棒 含层单元前一时刻的输出值，可以认为是一步延时算 性强等特点，尤其是它的自组织、自适应、自学习功 子。隐含层的输出通过承接层的延迟、存储，白联到 能，从而在复杂非线性系统的分析和预测中得到了广 隐含层的输入，这种 自联方式使其对历史状态的数据 泛应用。目前大多数采用的是基于 BP算法的前馈 具有敏感性，内部反馈网络的加入增加 了网络本身处 神经网络。它可以看成是输入与输 出集合之间的一 理动态信息的能力，达到了动态建模的 目的。 种非线性映射，通过对有限样本的学习来模拟系统的 对于Elman回归网络，其非线性状态空间可用以 内部结构。但BP网络作为一种静态前馈网络，它对 下三个式子来表达 ：(1)Y(K)=g(W3x(k)(2)x(K)．=f 动态系统进行辨识时将动态时间建模问题变为静态 (WlX。(K)+w2(u(k一1))(3)x(k)=x(k一1)式中，y、x、 空间建模问题。相比之下，动态 回归神经网络(RNN) u、X。分别表示m维输出节点向量、n维中间层节点单 提供 了一种极具潜力的选择，它能够更生动、更直接 元向量、r维输入向量和rl维反馈状态向量，W3、W2、 的反应系统的动态特性。Elman回归神经网络是一 种典型的动态神经元网络，它是在 BP网络基本结构 分别是中间层到输出层 、输入层到中间层 、承接层到 的基础上，通过存储内部状态使其具备映射动态特征 中间层的连接权系数，是输出神经元的传递函数 ，一 般为隐层输出的线性组合；为中间层神经元的传递函 的功能，从而使系统具有适应时变特性的能力。因 数，一般选取 s型函数。Elman回归网络也采用BP算 此，考虑到人才系统具有动态性和非线性 的特点，尝 试采用Elman神经网络对邯郸市人才需求进行预测。 法进行权值修正，学习指标函数(也成性能函数)采用 误差平方和函数rnse(w)= ∑[y(w)一y(w)]，其中 一 、 Elm