刘博／牡丹江大学
【摘要】阐述BP神经网络特性在人才需求预测当中的应用，经济领域当中人才预测部分理论进行综述，并且包括其他预测模型综述。
【关键词】BP；神经网络；人工神经网络模型；人才需求预测
人才预测是国家、地区、部门、企业为了为实现一定的经济和社会发展目标，以当前人才资源现状和今后一段时间内经济社会发展对人才资源的需求为依据，运用科学的方法，对未来人才资源发展趋势做出的估量和预测。在庞杂的社会系统中，作为重要经济活动组成部分——人才而言，对其开发具有预测功能的系统项目是一项复杂的工程，已有研究成果如人才需求预测系统、人才评价、拥有量预测系统。在一段时期内人才需求的某一变化用量体现，成为发展趋势的理论依据作为基础性研究，研究在国家角度或者某一区域当中这种量变来进行预测，其中的经济发展离不开此科学性的人才需求预测研究。国内与国外的很多专家、学者对此项研究做出了大量的数据分析与`理论实践的贡献，但人才需求预测是随着经济活动、社会等变化而变化的。随着研究的不断深入，神经网络模型在人才需求预测领域，被越来越多的人接纳和采用。
一、神经网络基本理论
此文中的BP（神经网络）模型是模拟生物神经网络所建立起来的，具其特征与功能建立相关大量简单元件，相互关联形成繁杂并具有非线性进行复杂逻辑操作和映射的模型。与生物神经网络相比，这是一种理论化的数学模型。为简便诉述简称为神经网络。相比较人脑神经网络而言，其复杂性是不可复制的，但为了处理信息更加接近生物神经网络，使其精确性经得起实践的推敲，从而创造出人工神经网络（ArtificialNeuralNetwork）模型。
目前关于神经网络的定义尚不统一，美国神经网络学家HechtNielsen提出神经网络的一般定义：“神经网络是由多个非常简单的处理单元彼此按某种方式相互连接而形成的计算系统，该系统依据其状态对外部输入信息的动态响应来处理信息。”美国国防高级研究计划局关于神经网络的解释是：“神经网络是一种由许多简单的并行工作处理单元组成的系统，其功能取决于网络的结构、连接强度以及各单元的处理方式。”
由于神经网络模型特征与功能更加趋近与生物网络模型，在很繁杂的数据当中得到更加精确的结果，所以在经济领域中其应用的更加广泛。例如在市场活动当中市场预测是其重要的战略组成部分，对影响市场供求关系的许多因素进行分析，在瞬息万变的市场价格变化当中寻求平衡。又例如金融风险分析预测对影响其经济活动起到重要的决策性意见，神经网络模型的合理运用会起到至关重要的作用。基于以上理论，经济活动中人才需求预测运用BP（神经网络）模型是合理的。
二、国内研究发展现状
殷淑严、顾培亮利用多远替代方式对人才等结构进行动态分析，建立BP神经网络的人才需求预测模型，获得良好的效果。
张建勇和赵涛（2009）研究的是科技人才需求预测模型的适用性问题。作者首先介绍了BP神经网络的原理，Matlab实现网络预测的过程，并构建了科技人才需求预测指标体系。文章最后以河南省科技人才为了构建BP神经网络模型，用预测结果的合理性证实了BP神经网络模型预测的适用性。
王嵩、赵国杰利用灰色系统理论预测天津市非公有制经济人才的需求量问题，利用GM(l,1)模型较为准确地预测了天津市人才的需求。
朱宁、李竹梅通过对1980-1990年青海省高校人才与社会、经济、科技之间的相关分析进行研究，并利用多元统计法建立了专门人才预测模型，用这个模型预测了未来青海省专门人才的需求量和补充量。
吴利华和郑垂勇（2004）在定性分析城市人才资源影响因素、将筛选指标进行定量筛选建立指标体系后，对城市人才总量进行构建神经网络模型进行预测的。如此进行筛选指标的神经网络模型预测过程寻求提高人才需求预测精度的组合方法。
陈振斌，张万红等（2007）分别运用Elman神经网络和BP静态神经网络对江苏省技术人才进行预测，通过比较两种预测的结果，得到了前一个模型进行人才预测时有更强的优越性，更适合像人才系统这样的动态系统。最后，文章还大胆设想，若将两种模型结合起来，则在提高预测精度方面有极大改善，进一步在人才规划中将发挥出更大作用。
张洪建立了马尔科夫人才规划模型，提供了一种可以用来进行人力资源供给预测的方法，其基本思想是找出过去人事变动的规律，以此来推测未来的人事变动趋势，以处理人力供给的预测问题。
刘崎结合应用实例，介绍了教育系统人才预测的回归模型，具体讨论了基本模型的结构和参数估计的方法。
三、国外研究发展现状
Ping-TengChang,Liang-ChihHuang,Horng-JiunLin提出模糊德尔菲法，拟解决完善存在于调查问题及反馈过程当中的问题模糊性与不确定性，采用模糊统计技术以及隶属函数拟合推导出模糊预测。应用到人才领域取得了一定成效，为方法可行性提供依据。
Hou,Chang认为在资源分配问题上，使单位利润最大化，取得最佳可能质量过程，在该过程当中资源分配旨在寻求一个最优配置方案使一种数量有限的资源更加接近自己的目标，并且同时考虑到资源制约因素。
Chi-MingLin,MitsuoGen的研究着重于多准则人力资源配置，解决多阶段组合优化问题，涉及到如何划分人力资源的供应有限，以多需求的方式优化当前的目标。经一个多阶段决策模型处理这个问题，其中一个合适的序列决定的最优决策。为了获得Pareto有效解，提出了一种在多目标混合遗传算法(mohga)方法的基础上的多级决策模型，应用该模型为各个阶段寻求可行的解决方案，求解组合优化问题，处理多目标的资源分配问题。
四、结语
在确定人才需求总量上，必须考虑经济活动当中各种相关因素，进行人才与经济活动相关联的数据进行统计，现有分析方法有BP模型、灰色分析法、德氏分析法、多目标混合遗传分析法等多种分析方法。在数据分析及预测时，不同的分析方法适合不同的经济环境或者经济范围。与人才需求量相关联的经济数据和因素繁杂，从大量数据和因素当中运用相关性回归方法会存在共线性重复的风险，故降低预算精度。
BP（神经网络）模型建立不需要复杂的数学推导过程，在关联数据中进行自动学习以往的经验；自动生成与数据样本规律最相近的函数，不论函数具有什么样的形式。以上是BP神经网络的能力，它包括良好的自动学习、自动适应、记忆联想、非线性转换及并行处理。神经网络在样本缺损和参数漂移的情况下，仍能保证稳定的输出，并且所研究系统所表现的函数形式越复杂，神经网络这种特性作用越明显。BP（神经网络）模型应用于人才需求量预测时，鉴于其自学习、自适应、联想记忆、非线性转换的特性，避免众多影响因素相互作用的复杂关系，有效解决计量方法预算精度差的问题。在区域人才需求预测当中BP（神经网络）需求预测模型会有较高优势。
【参考文献】
[1]王全旺,周志刚.高技能人才需求的BP神经网络预测———以天津为例[M].科技管理研究，2009（10）
项目类别：黑龙江省高等教育教学改革项目项目名称：《黑龙江省经济社会发展与技术应用型人才需求的预测》项目编号：9244负责人：陶怡