基于BP神經網絡的我國企業人力資源需求預測分析

潘 珠

(海南經貿職業技術學院，海南海口571127)

一、應用BP神經網絡的必要性

隨著經濟全球化和信息技術的加快發展，我國企業面臨著更為嚴峻的競爭壓力。為了適應現代市場需求，企業必須優化配置人力資源，并科學制定人力資源規劃。其中，科學的人力資源需求預測是人力資源開發和規劃的基礎，對人力資源管理活動將產生持續和重要的影響。

企業人力資源需求預測分析方法多種多樣。在進行人力資源需求預測時，企業要考慮的因素復雜多變，如企業的目標和經營戰略、生產狀況的變化、工作設計或組織結構的變化等，而且各種影響因素與預測結果之間的相關性難以用定量的方法表示出來，是非線性相互制約的映射關系。將BP神經網絡方法應用于人力資源需求預測領域，彌補和改進了人力資源需求預測分析方法，能較好地實現各指標與需求結果之間非線性關系的映射，對企業人力資源決策具有一定的參考和指導作用。

二、BP神經網絡的基本原理

人工神經網絡，簡稱神經網絡，是一種包括許多簡單的非線性計算單元或聯結點的非線性動力系統，是用大量簡單的處理單元廣泛連接組成的復雜網絡。Back－Propagation Network，簡稱為BP網絡，即基于誤差反向傳播算法的多層前饋網絡，是目前應用最成功和廣泛的人工神經網絡。它由輸入層、隱含層和輸出層組成。隱含層可以是一層或多層。BP神經網絡自身具有的非線性映射、自學習、自適應能力、容易實現并行計算等優點，彌補和改進了供應商選擇和評價方法，能較好地實現各指標與評價結果之間非線性關系的映射。

基于BP神經網絡，構建供應商的選擇評價模型，其基本思想為:假設輸入變量為 X=(X1，X2，···，Xi)’，隱含層輸出變量為 Y=(Y1，Y2，···，Yj)’，輸出層變量為 Z=(Z1，Z2，···，Zl)’，期望輸出的目標變量為 T=(T1，T2，···，Tl)’，Wij、Wjl分別為輸入層到隱含層、隱含層到輸出層的連接權值(如圖1所示)。對于i個輸入學習樣本X1，X2，···，Xi，已知與其對應的輸出樣本為Z1，Z2，···，Zl。通過BP算法的學習，沿著負梯度方向不斷調整和修正網絡連接權值Wij和Wjl，使網絡的實際輸出Z逐漸逼近目標矢量T，也就是使網絡輸出層的誤差平方和達到最小。

圖1 三層BP網絡結構圖

三、BP神經網絡在企業人力資源需求預測中的應用

根據BP神經網絡主要思想，以A公司為例，分析如何運用MATLAB工具箱實現基于BP神經網絡的企業人力資源需求預測。

1.樣本數據處理

選取年份、產值、資產總計、利潤4個指標作為輸入向量，從業人員作為目標向量(見表1)。在對BP網絡進行訓練前，應該對數據進行歸一化處理，使那些比較大的輸入仍落在傳遞函數梯度大的地方。本例采用MATLAB工具箱中的premnmx()函數把數據歸一到［－1，1] 之間，如表2所示。

表1 A公司有關數據表

表2 歸一化后的數據

2.BP網絡設計

對于BP網絡，有一個非常重要的定理。即對于任何在閉區間內的一個連續函數都可以用單隱層的BP網絡逼近，因而一個三層BP網絡就可以完成任意的n維到m維的映射。本例采用單隱層的BP網絡進行從業人員預測。由于輸入樣本為4維的輸入向量，因此，輸入層一共有4個神經元，網絡只有1個輸出數據，則輸出層只有1個神經元。隱含層神經元個數根據最佳隱含層神經元數經驗公式取15個。因此，網絡應該為4×15×1的結構。隱含層神經元的傳遞函數為S型正切函數tansig()，輸出層神經元的傳遞函數為線性激活函數purelin()。

3.BP網絡訓練及仿真

建立網絡后，對表2中的數據進行訓練，訓練參數的設定如表3所示，其他參數取默認值。

表3 訓練參數

訓練結果如圖1所示，可見經過52次訓練后，網絡的目標誤差達到要求。

網絡訓練結束后，運用MATLAB工具箱中的sim()函數，將經過歸一化后的數據表2進行仿真模擬，獲得網絡的輸出，然后將運算結果通過postmnmx()函數進行反歸一化處理，得到BP網絡預測值，最后檢查BP網絡預測值和實際從業人員數之間的誤差是否符合要求，如表4所示。

圖2 訓練結果

從表4可以看出，該人力資源需求預測的神經網絡模型誤差較小，泛化能力也較好，模擬的預測結果比較具有客觀性和準確性。

表4 預測誤差

4.預測結果評價

圖3反映了該BP網絡較好地逼近了輸入矢量，即年份、產值(萬元)、資產總計(萬元)和利潤(萬元)與目標矢量，即從業人員(人)之間的線性關系。用BP神經網絡對現有人力資源狀況進行分析擬合，是人力資源需求預測的較理想方法。與傳統的人力資源需求預測方法相比，將BP神經網絡用于人力資源需求預測，克服了輸入矢量和目標矢量非線性、不符合統計規律的問題。BP神經網絡模型良好的容錯和自學習能力，調用MATLAB工具箱函數，使預測過程更易實現，可以更好地對人力資源進行規劃，提高人力資源預測精度。

圖3 BP神經網絡的函數逼近結果

將BP神經網絡應用于企業人力資源需求預測，能較好地建立起各影響因素與預測結果之間的非線性關系，是企業預測人力資源需求的一種較理想的方法。但BP神經網絡也存在著一些不足和問題。主要表現在學習速率太小可能會造成訓練時間過長;BP算法可以使權值收斂到某個值，但并不能保證其為誤差平面的全局最小值;網絡隱含層的層數和單元數的選擇一般是根據經驗或者通過反復實驗確定，網絡往往存在很大的冗余性，在一定程度上也增加了網絡學習的負擔。因此，BP神經網絡在企業人力資源需求預測領域的應用仍需根據企業自身實際情況做進一步的改進和完善。

［1] 飛思科技產品研發中心.神經網絡理論與MATLAB7實現［M] .北京：電子工業出版社，2005.

［2] (美)海金(Simon Haykin).神經網絡原理(原書第2版)［M] .葉世偉，史忠植譯.北京：機械工業出版社，2004.

［3] 叢爽.面向MATLAB工具箱的神經網絡理論與應用［M] .中國科學技術大學出版社，1998.

［4] 劉躍.基于BP神經網絡的人力資源估價研究［J] .統計與信息論壇，2007(1)：96 －99.

［5] 李志強，王艷明.四種人力資源的定量預測方法及評述［J] .統計與決策，2008(7)：30－32.

［6] 國家統計局固定資產投資統計司，中國行業企業信息發布中心.中國大型房地產與建筑業企業年鑒［M] .北京：中國大地出版社，2003－2008.

［7] 王文富.企業人力資源預測與規劃研究［D] .天津大學，2004.