《RBF神经网络在山东省高级技能人才需求预测中的应用.doc》由会员分享，可在线阅读，更多相关《RBF神经网络在山东省高级技能人才需求预测中的应用.doc（4页珍藏版）》请在三一文库上搜索。
1、RBF神经网络在山东省高级技能人才需求预测中的应用一、加强对高级技能人才需求预测的必要性 随着经济发展速度日益加快，社会分工逐步细化，我省高技能人才缺乏的趋势愈发明显。长期以来，社会认识的偏差造成的学历歧视和中学生毕业时选择高校而不选择职校的发展途径导致了我省现在高技能人才严重匮乏。高学历人才相对过剩与高技能用工岗位的空缺已成为阻碍我省经济发展的主要矛盾，我们应加大对高技能人才需求预测的研究。 二、RBF神经网络方法介绍 人工神经网络ANN(Artificial Neural Network)亦称为神经网络(Neural Networks)，是一种模仿人脑结构及其功能的信息处理系统。人工神经网
2、络由大量的神经元相互联结而成，现在经常使用的人工神经元模型是M-P神经元模型。 径向基函数（Radial Basis Function，RBF）神经网络于20世纪80年代末由J.Moody和C.Darken提出。径向基函数神经网络是一个由输入层、隐含层和输出层构成的三层前项网络。 三、基于RBF神经网络在山东省高级技能人才需求预测中的应用 前面已经介绍过RBF神经网络在人才需求预测中具有学习速度快，唯一最佳逼近等优点，现以山东省人才需求数量为例，介绍运用RBF神经网络预测未来五年山东省高级技能人才需求的方法。 1.输入参数的选取 考虑到山东省高技能人才需求不仅受本省经济发展状况的影响，而且受近
3、几年人才数量的制约，所以取2000-2009近十年山东省地区生产总值增长率和高技能人才数量作为输入参数。2001年地区生产总值增长率为10.0%，全社会固定资产投资增长率10.43%，高级技能人才数量为19041人，2002年分别为11.7%、24.98%、27287人，2003年分别为13.4%、30.15%、12992人，2004年分别为15.3%、38.18%、54177人，2005年分别为15.2%、5.63%、36794人，2006年分别为14.8%、5.64%、142412人，2007年分别为14.3%、12.58%、116265人，2008年分别为12.1%、23.12、1546
4、23人。 2.样本数据归一化处理 由于所选样本数据单位不一致，所以需对数据进行0,1归一化处理，主要方法有线性函数转换、对数函数转换、反余切函数转换。对于本次采用的样本数据，采用线性函数转换进行0,1归一化处理。 3.设计RBF神经网络 我们采用newrbe函数设计一个精确的径向基神经网络，精确的径向基神经网络对于训练样本的数据达到了零误差。 4.训练网络 我们选用2001-2006年中第i年、i+1年、i+2年的高技能人才数量和第i+2年的地区生产总值增长率作为输入参数，第i+3年的高技能人才数量作为输出参数，在进行数据0,1归一化处理后，进行网络训练，理想输出与实际输出差值在-0.001,
5、0.001之间。 5.网络测试 采用05、06、07年高技能人才数量，05年的地区生产总值增长率、全社会固定资产投资增长率作为所训练好的网络模型的输入数据，采用08年高技能人才数量作为目标值，对网络进行测试，输出值为0.1547，与真实值差值为0.0001，由此可见将RBF神经网络应用于高技能人才数量预测是可行的。 四、结论 RBF神经网络采用无导师学习、有导师学习两阶段学习模式，网络具有唯一最佳逼近的特性，不存在局部极小值问题，有唯一确定解的优点，既增加了预测的精度，又提高了预测的速度，将其应用于高技能人才数量预测是可行的。由于高技能人才数量受到经济、政治、文化及社会发展程度的多种因素影响，在输入参数的选取上还有很多数据值得考虑，比如全社会从业人员数量，劳动生产率，还有待进一步挖掘。