基于灰色神经网络模型的人才需求量预测研究

作     者：樊丹 史晋娜 张利凤 Fan Dan;Shi Jinna;Zhang Lifeng

作者机构：四川旅游学院 成都大学 

出 版 物：《中国人事科学》 (Chinese Personnel Science)

年 卷 期：2023年第10期

页      面：32-42页

学科分类：02[经济学] 0202[经济学-应用经济学] 

基　　金：四川旅游学院校级横向项目(项目编号:HT20210713)的研究成果。 

主　　题：BP神经网络 误差修正 无偏灰色GM(1,1) 人才需求量 

摘      要：预测人才需求量需要找到合适的预测模型,进行较为精确的人才需求量预测。关于预测模型方面的研究,经典的方法多为单一预测模型。但单一预测模型在预测时,特别是在中长期预测时,可能会与现实情况存在较大偏差,不能满足预测精度的要求。为此,文章对灰色GM(1,1)与BP神经网络模型进行残差修正处理、对数平滑处理,修正与优化了神经网络输入因素,建立了改进的灰色-BP神经网络组合模型。在此基础上,以成都市会展人才需求量及其影响因素数据作为数值测验样本,对比分析了无偏灰色GM(1,1)模型、误差修正后的无偏灰色GM(1,1)模型、优化灰色-BP神经网络模型的预测精度,并应用预测精度高的模型对成都市2019—2025年的会展人才需求量进行了模拟预测。结果表明:(1)修正后的灰色GM(1,1)模型预测精度均有所改进;(2)组合预测模型比单一预测模型有一定的优势;(3)模型的预测精度明显提高,人才需求的预测结果也更加可靠。此结果将为组合预测模型的优越性提供支持。