基于GA优化BP网络输入人力资本预测研究.docVIP

基于GA优化BP网络输入人力资本预测研究 　　摘要：人力资本是决定地区经济增长的重要因素之一，其形成受多种因素的综合影响。利用BP神经网络进行预测时，因人力资本形成因素众多，各因素之间信息独立性差，交叉重叠的信息使得神经网络的结构过于庞大，极大地影响了网络的性能。本文采用遗传算法(GA)对人力资本形成因素进行优化，化选出与人力资本关系最密切、反应最敏感的少数指标，再利用优化后的指标对我国31个地区的人力资本进行预测，有效地降低了网络输入维数，提高了网络精度。 　　关键词：人力资本；遗传算法；BP网络；预测 　　中图分类号：G303 　　文章标识码：A 　　文章编号：1007-3221(2007)04-0102-05 　　 　　0　引言 　　 　　人力资本一般是指通过教育、培训、医疗保健、迁移等投资支出形成的凝集在劳动者身上的知识与技能，它由不同的投资方式所形成，在经济增长中起着内生性的作用。丹尼森、卢卡斯等提出了将人力资本内生化的经济增长模型，并指出人力资本积累是经济得以持续增长的决定性因素和产业发展的真正源泉。所以对我国各地区人力资本进行预测分析，十分有必要。由于人力资本形成和促进经济增长的过程都是一个典型复杂系，具有非线性、不确定性、波动性等特征，不宜用传统的方法进行计量与预测。人工神经网络(Artificial Neural Networks，ANN)模拟了人脑神经元的基本功能和网络的基本特性，具有分布式记忆、并行处理、联想、自组织的学习能力，处理非线性复杂系统具有智能性，能较好地进行人力资本预测。人力资本的形成指标因素多，指标间相关性大，信息重叠多，且各种指标对人力资本形成的影响也是不同的。不易于直接用ANN进行预测。因此，必须分析各指标间的相关性，优选出能够反映人力资本形成本质特征的、相互之间独立的指标。本文通过建立人力资本形成的指标体系，采用遗传算法(GeneticAlgorithm，GA)和BP(Back Propagation)网络相结合的方法，利用GA对BP网络输入进行优化，而非一般优化BP网络权值的方法，即首先采用GA方法从人力资本形成的15因素中，优选出若干个指标，使得新的学习样本空间维数低、分量间相关性小，然后应用BP网络强大的非线性映射能力，较好地对我国各地区人力资本进行了预测。 　　 　　1　人力资本的形成方式与指标体系建立 　　 　　1．1　人力资本的形成方式 　　人力资本的基本要素为劳动者的知识、技能和健康等，凡是能够提高这些要素的投资均可称为人力资本投资。T.W.舒尔茨认为人力资本投资“集中在五个主要方面：①卫生保健设施和服务，概括地说包括影响人的预期寿命、体力和耐力、精力和活力的全部开支；②在职培训，包括由公司组织的旧式学徒制；③正规的初等、中等和高等教育；④不是由公司组织的成人教育计划，特别是农业方面的校外学习计划；⑤个人和家庭迁移以适应不断变化的就业机会。由此，我们将人力资本归结为教育培训、医疗卫生保健、劳动力迁移、经验技能等四个方面的投资形成的。本着系统性、科学性、现实性、客观性的原则，我们建立如图1的指标体系。 　　 　　注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文 　　1．3　数据的获取 　　图1指标体系中所需数据，大部分可从2003年《中国统计年鉴》、2003年《中国教育统计年鉴》可直接查得或整理得到。其中“就业者劳动生产率”指标项数据来源于科技部《2003全国及地区科技进步统计监测结果》；劳动力的迁移系数由某一地区年劳动力迁出总数除以该地区当年迁出数与其它地区迁人数之和，反映一个地区人力资本迁移状况。根据1998～2003年的《中国统计年鉴》中“分地区分行业职工平均工资”，“分地区国民生产总值”，“各地区分行业社会劳动者人数”等表中获取五个体力劳动行业各年各地的平均工资、GDP，劳动者人数等数据，按1．2方法计算得到我国2003年31个地区的人力资本投入值。 　　 　　2　遗传算法设计 　　 　　遗传算法(genetic algorithm，简称GA)是美国Michigan大学的J.H.Holland教授在1975年首先提出的。它是通过模拟自然遗传学中“优胜劣汰、适者生存”的进化法则，实现对特定目标的自适应概率性优化搜索。遗传算法求解问题时，必须首先确定设计变量、编码方式、选择概率、选择方式、交叉算子、变异算子。 　　2．1　编码 　　在用遗传算法解决人力资本投入指标的优选问题时，首先应该对每个解都进行编码。假设指标组合与遗传算法中的二进制编码的对应关系为：染色体长度L比指标个数多一位，每个指标分别与每个基因前L-1位相对应。每个基因用二进制表示(0或1)，因此当某个基因为1时，表示其对应的指标被选用；否则，