基于GA-BP神经网络的广东省金融行业人才需求预测模型

摘要

本文的研究课题来自教育部的重大项目“高校本科专业设置预测系统”中人才需求预测模块.在当今的大学毕业生就业形势比较严峻的情况下，以市场人才供求关系为指导，针对各个的不同行业，建立预测精度比较高、适用性较强的、人才需求预测模型，为教育部科学、合理地指导各个高校对本科各个专业的招生规模进行调整，提高办学质量作科学的决策参考依据.政府和大学必须从宏观上把握经济、科技和社会发展对专业人才需求的变化趋势，把握人才市场对大学本科毕业生的质量要求，寻找大学专业设置和调整的市场依据.为此，我们就有需要找出对影响各个行业的人才需求的内在规律，从而建立各自不同的预测模型，通过预测未来各个行业的人才供求关系的变化，为大学专业设置与调整提供信息咨询和决策指导，避免高校本科专业设置与调整的盲目性，从而使得人才的供给与社会的人才需求达到一定的平衡状态.
　　 本文的主要目的是，针对广东省金融行业的人才需求，建立一个具有预测准确度高、能够合理解释人才需求与各个影响指标的人才需求预测模型.本文主要在行业人才需求预测已有的研究基础上从经济、社会、教育、涉外经济四个方面影响对人才需求的因素进行分析，建立了人才需求预测系统的指标体系[11]；由于影响人才需求数量的因素是多方面、动态变化并且各个因素之间是互相影响的，同时影响的方式是非线性映射关系的，而传统的预测模型大都是基于自身的时间序列或者简单的线性多元回归预测模型，不能很好的解决此类问题.而BP和RBF神经网络是一个具有强大的非线性函数映射能力和很强的容错性和鲁棒性的预测模型，能够较好的解决这些问题.
　　 因此在本文中首先利用BP神经网络和RBF神经网络，对2000年至2006年的历史数据进行模型训练，建立了广东省金融行业的人才需求预测模型，并利用2007和2008年的数据对模型的拟合程度和预测结果进行分析，从中得出的结论是：BP和RBF神经网的拟合效果相当，但是RBF相对于BP网的预测准确度要高一些，但这两个模型对2008年的历史数据的预测误差相对较大.因此本文在第四章针对BP网络自身不足之处——易陷入局部极小值的缺陷，利用遗传算法的交叉、变异和选择算子能够进行全局搜索的优点建立GA-BP神经网络.遗传算法具有较强的泛化能力，并具有全局搜索能力并可保证收敛到全局最优的能力.用遗传算法优化神经网络中的参数，并用这种基于GA-BP神经网络模型预测广东省2008年金融行业人才需求量的跟实际的结果比较吻合，因而从实践上说明我们的模型改进是比较成功的.

目录

文摘

英文文摘

声明

第一章绪论

1.1研究的背景

1.2研究的目的和意义

1.3主要研究内容

第二章基本理论预备知识

2.1神经网络概论

2.2遗传算法概论

2.3小结

第三章BP和RBF神经网络在广东省金融行业人才需求预测的中应用

3.1问题的分析

3.2金融行业人才需求数量的影响指标分析

3.3人才需求预测模型

3.4小结

第四章基于遗传算法的GA-BP模型在广东省人才需求预测的中应用

4.1遗传算法在改进BP神经网络模型中的应用

4.2 GA-BP神经网络的具体实现

4.3 GA-BP神经网络在人才需求预测中的应用

4.4小结

第五章总结与展望

5.1本文总结

5.2存在的问题与展望

参考文献

致谢

附录