基于BP神经网络广西人才需求预测实证分析.docVIP

基于BP神经网络广西人才需求预测实证分析 　　【摘 要】BP神经网络具有较好的非线性拟合能力、较强的自学习自适应，论文运用BP神经网络模型解决人才需求预测问题。首先介绍BP神经网络模型构建，其次确定人才需求预测影响指标，应用BP神经网络模型预测广西2018―2020年科技人才需求量，最后对广西人才培养与发展提出建议。 　　【Abstract】The BP neural network has better nonlinear fitting ability and stronger self-learning and self-adaptive ability. Paper using BP neural network model to solve the problem of talent demand forecasting. First，it introduces the construction of BP neural network model. Secondly， it confirms the prediction index of talent demand， and predicts the demand of science and technology talents in Guangxi from 2018 to 2020 by using the BP neural network model. Finally， it puts forward suggestions on talent cultivation and development for Guangxi provice. 　　【?P键词】广西；BP神经网络；人才需求预测 　　【Keywords】 Guangxi； BP neural network； prediction of talent demand 　　【中图分类号】G718 【文献标志码】A 【文章编号】1673-1069（2018）02-0096-03 　　1 问题的提出 　　目前，国内外的人才需求预测的定量分析多数以发生期的统计数据构建人才需求预测的计量模型，难以反映受到地方经济发展、政策调整等多方面因素的非线性变化影响，影响预测的科学性和准确性。借助BP神经网络较强的非线性映射能力，能很好地解决人力资源需求预测中影响因素与预测结果间的非线性关系；BP神经网络有利于我国企业人力资源需求的科学、有效预测。广西地处祖国西南边疆，是国内唯一的沿边、沿海少数民族省份，作为“一带一路”有机衔接门户，人才供求缺口很大。虽然广西实施了“人才强桂”战略，采取了一系列开放务实的政策举措，增加了人才总量，完善了人才培养环境，但是由于对广西人才需求的科学预测仍然不够科学、客观，使人才规划、人才政策激励效果不够理想，人才缺乏问题仍未解决，近年广西的经济发展水平仍然位居全国后五位。因此，有必要应用BP神经网络预测广西人才需求非线性变化，提高人才培养的科学规划水平和人才激励政策效果。 　　2 广西人才需求预测的BP神经网络模型构建 　　2.1 BP神经网络理论模型及其特点 　　BP（Back Propagation）神经网络是指基于BP算法的多层前馈神经网络，BP学习算法是一种经典的误差反向传播原理的学习算法，它以最小误差均方为准则，并采用非线性可微分函数进行权值训练。BP神经网络结构是由一个或多个输入层、一个或者多个隐含层和一个或者多个输出层组成。BP神经网络学习时，输入信号经过输入层输入，通过隐含层内部计算，由输出层输出，输出信号与期望输出值比较，计算其误差值，再将误差信号反向由输出层通过隐含层处理后向输入层传播。在这个过程中，通过误差梯度下降的方法，以此调整神经元权值，然后输入信号再次输入，BP神经网络重复此过程。这种信号正向传播与误差反向传播的各层权值调整过程周而复始进行，直到BP神经网络输出的误差下降到可接受程度，或训练到程序预先设定的学习次数为止。BP网络训练完成之后，得到的权系数就是一个预测模型。 　　2.2 广西人才需求预测的BP神经网络模型构建 　　①输入输出层设计。在BP神经网络中，设所有神经元的激励函数均用Sigmoid函数。设训练样本集为X=（X1，X2，…，Xn），对应任一训练样本Xk=（Xk1，Xk2，…，Xkn）T，（k=1，2，…，n），实际输出为Yk=（Yk1，Yk2，…，YkP），期望输出为dk=（dk1，dk2，…，dkp）T。另外，设d为迭代次数，权值和实际输出是n的函数。 　　②网络学习的过程及其流程。对网络进行初始化设置，给各连接权值分别赋一个区间（-1，1）内的随机数，设定误差函数e，给定的计算精度值和最大学习次数M。随机选取