基于BP神經網絡的河南省旅行社人力資源危機預警模型研究

耿莉萍

[摘 要] 近些年，河南省旅游業的快速發展，旅行社數量迅速增加，經濟效益不斷增長，同時，旅行社行業對高素質人員的需求也在上升。但是河南省旅行社行業整體管理水平偏低，旅行社人力資源抗風險能力不足。本文基于BP神經網絡，構建了河南省旅行社人力資源危機預警模型，這對于河南省旅行社人力資源管理水平提升具有積極意義。

[關鍵詞] BP網絡； 旅行社； 人力資源危機； 預警模型； 危機識別

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2014 . 03. 034

[中圖分類號] F272.92 [文獻標識碼] A [文章編號] 1673 - 0194（2014）03- 0074- 05

人力資源危機在旅行社行業吸引人才、培養人才、留住人才的各個環節都有體現，影響旅行社行業人力資源管理的效果，影響旅行社行業的穩定與發展。因此，如何對旅行社行業人力資源危機狀況進行評判，進而采取應對措施，是當前旅行社行業人力資源管理的一個迫切任務。本文引入人工神經網絡中的BP網絡，構建河南省旅行社人力資源危機預警模型，以期提早應對危機。

1 BP網絡簡介

BP網絡由一個輸入層、若干隱含層和一個輸出層構成，是一種具有3層或者3層以上結構的多層神經元網絡，網絡中的神經元分層排列，它的左、右各層之間各個神經元實現全連接，即左層的每一個神經元與右層的每個神經元都有連接，而上下層各神經元之間無連接。每一層內神經元的輸出均傳送到下一層，這種傳送由連接權來達到增強、減弱或抑制的作用，除了輸入層的神經元以外，隱含層和輸出層神經元的凈輸入是前一層神經元輸出的加權和。每個神經元均由它的輸入、活化函數和閾值來決定它的活化程度。在人工神經網絡的實際應用中，80%～90%的模型是采用BP網絡或它的變化形式。BP網絡可以有多層，但前向三層BP網絡最具代表性，應用也最為廣泛。

2 基于BP網絡的河南省旅行社人力資源危機預警模型的構建

2.1 構建旅行社人力資源危機預警指標體系

人力資源危機預警指標體系由一系列能敏感反映人力資源管理活動狀態和結果表現的指標構成。筆者通過分析河南省旅行社人力資源危機現狀，遵循靈敏性、科學性、可測度性、相對獨立性、預見性和可比性等原則，篩選出獨立性較強、代表性較強和貢獻性高的最小評價指標體系，本文借助了專家打分的方法，各指標的具體值域范圍見表1。

2.2 建立基于BP網絡的旅行社人力資源危機預警模型

2.2.1 用主成分分析法對模擬數據進行預處理

根據表1，本文共模擬了8組數據（見表2），以建立基于BP網絡的河南省旅行社人力資源危機預警模型。

對表2中的極小值指標（如員工隱性流失率等）先取倒數，再利用SPSS統計分析軟件進行主成分分析，所得結果見表3。

本文共提取出6個公共因子，其特征值的方差貢獻率累積達到了96.044%（通常情況下，累積貢獻率達到85%即可）。本文選擇參數0.65作為劃分主要、次要指標的載荷系數臨界值，以滿足下一步研究的要求。最后得到由10項指標構成的新的人力資源投資風險預警評價指標體系，如表4所示。

2.2.2 BP網絡模型輸入節點的選擇

根據 Kolmogorov定理（即映射網絡存在定理），一個三層BP網絡即可在任意希望的精度上實現任意的連續函數 。因此，本研究中采用三層BP網絡模型。影響旅行社人力資源危機度的評價因子主要有人才引進率、招聘引進員工勝任度等10個，因此，可確定BP網絡的輸入層節點數為10。

本文選擇上述簡化后的10項指標作為BP模型的輸入節點。由于BP神經網絡的隱層一般采用Sigmoid轉換函數，為提高訓練速度和靈敏性以及有效避開Sigmoid函數的飽和區，一般要求輸入數據的值在0～1之間。因此，需要對輸入數據進行預處理。

進行輸入節點的輸入時，需要先對原始的模擬數據進行歸一化處理，將它們轉化為閉區間[0，1]上的無量綱性指標值。本著盡可能體現被評價對象之間的差異化原則，即使其離差平方和最大的原則，本文采用了極值處理法進行歸一運算：

若Mj = max{xij}，mj = min{xij} 則x′ij = ■

式中，xij為原始數據，x′ij∈[0，1]為歸一化后的無量綱性指標，其歸一化結果見表5。

2.2.3 BP網絡模型隱層節點的選擇

對于隱層節點的選擇是一個非常復雜的問題，因為神經網絡巨量并行分布的結構和非線性的動態特性決定了從理論上得到一個簡單通用的簡潔解析表達式或隱層單元確定公式是十分困難的，甚至是不可能的。隱層節點數的選擇與問題的要求和輸入輸出單元的多少都有直接關系：如果隱節點數過少，網絡不強壯，就不能識別以前沒有看到的樣本，容錯性就差，或由于網絡太小可能訓練不出來；但隱節點太多又會使學習時間過長，誤差也不一定最佳。因此，必定存在一個最佳的隱節點數，可用公式q = ■ + a作為參考。其中，q為隱含節點數，m為輸入神經元數，n為輸出神經元數，a為1 ～ 10之間的常數。

為使隱節點數更合適，本文將根據網絡的實際輸出與期望輸出矢量的均方誤差大小及訓練步數的多少來綜合確定，最終隱含節點選為9，其模型訓練精度最佳，訓練步數也最少。

2.2.4 BP網絡模型輸出節點的選擇

從表5中選出對應于新預警評價指標體系的數據再次進行主成分分析，步驟同前，所得結果如表6所示。

本文共提取出4個公共因子，其特征值的方差貢獻率累積達到92.232%。它們共同決定旅行社人力資源危機的狀況。

公因子1上載荷值大于0.65的指標有：招聘引進員工勝任度、培訓與員工需求吻合度、員工對評價制度和使用制度的滿意度，涉及旅行社人力資源危機的多個部分，可稱之為“綜合因子”；公因子2上的載荷值大于0.65的指標有：人力資本投資收益率、病假發生率，可稱之為“員工發展與保健因子”；公因子3上的載荷值大于0.65的指標有：員工對激勵機制的滿意度、缺勤率，可稱之為員工“價值取向因子”；公因子4上的載荷值大于0.65的指標主要有：員工離職增長率，主要是對員工流失指標的反映，可稱之為“員工流失因子”。

第一，計算各公因子的得分。由于在查找旅行社人力資源危機風險因素提出對策時，通常只研究各公共因子上的主要載荷指標，而不考慮其他冗余指標。因此，為使警情分析輸出更精確，從而能更準確地分析旅行社人力資源危機風險的內容，更有針對性地提出人力資源危機預警對策，本文忽略各公因子內部的冗余指標（載荷系數小于0.65的指標），只根據主要指標（載荷系數大于等于0.65的指標）的載荷系數，通過下列算式來計算各公共因子得分：

FP1 = ■

FP2 = ■

FP3 = ■

FP4 = ■ = t34

式中，tij是表中指標Xij均值為0、標準差為1的標準化變量；p為數組序號，p = 1，2，…，8。？搖

第二，以各公共因子的方差貢獻率占4個因子總方差貢獻率的比重作為權重進行加權匯總，得出各數組的最終因子綜合得分Fp：

Fp = ■

通過綜合因子Fp（見表7）來反映旅行社人力資源危機程度，據此制定相應的防范策略。BP網絡最后一層的傳輸函數Purelin使得網絡輸出可以是任意值，因此，本文將旅行社人力資源危機預警層次設置為4個級別，如表8所示，BP網絡的輸出層節點數為4，代表不同的旅行社人力資源危機等級，即安全、基本安全、風險和較大風險，4個等級對應的標準輸出分別為[1000]、[0100]、[0010]、[0001]。

依前分析輸出節點選擇4個，10組輸出的4個端子的數值就對應于10組人力資源危機預警指標數據所反映的旅行社人力資源危機狀況。

結合旅行社人力資源危機的表現形式，本文提出了以下人力資源危機等級所對應的標準（見表8）。

Ⅰ級狀態：旅行社人力資源各方面管理良好，沒有明顯危機跡象，處于安全狀態，但仍需注意各方面的情況，防止突發性危機的出現。

Ⅱ級狀態：旅行社人力資源各方面正常，基本看不出什么問題，不過需要提前采取相應措施以提防潛在危機和突發性危機的發生。

Ⅲ級狀態：旅行社人力資源出現危機，會帶來一定的損失，但不明顯，會對旅行社人力資源各方面造成一定負面影響。

Ⅳ級狀態：旅行社人力資源出現嚴重危機，對人力資源各方面造成非常明顯和嚴重的影響，甚至導致旅行社倒閉。

綜上所述，本文建立的BP網絡人力資源危機預警模型的構造為：10 × 9 × 4（即10個輸入神經元，9個隱層神經元，4個輸出神經元）。

3 基于BP網絡的旅行社人力資源危機預警模型的訓練和檢測

本文采用MATLAB工程計算軟件的神經網絡工具箱設計、訓練并檢測已建立的BP神經網絡預警模型。

3.1 基于BP網絡的旅行社人力資源危機預警模型的訓練

本文將表6歸一化后的前6組指標值作為BP網絡的輸入，由表7確定的風險程度矩陣作為與之相對應的期望輸出，導入MATLAB的圖形用戶界面——GUI（Graphical User Interfaces），即可創建網絡進行訓練。主要訓練參數設置如下（未提及的參數均采用默認值）。

（1） 訓練函數：TRAINLM函數，它適用于中、小規模網絡的函數擬合問題，收斂快，收斂誤差小。

（2） 權值調節規則：LEARNGDM函數，采用動量梯度下降方法對權值和閾值進行調整。

（3） 網絡層數：3層。

（4） 性能函數：MSE函數，表示輸出矢量與目標矢量之間的均方誤差。

（5） 期望誤差：ε = 0.001。

由圖1可知，當網絡訓練至第三步時，網絡性能達標。BP網絡模型的訓練輸出見表9，至此，BP網絡模型訓練完畢。

3.2 基于BP網絡的旅行社人力資源危機預警模型的檢測

同理，用第7、第8組歸一化后的指標數據及對應的風險程度矩陣作為模型檢測的輸入和期望輸出，檢測結果見表10。檢測結果表明，實際輸出與期望輸出十分接近，誤差滿足要求。

由此可以得出結論，基于BP網絡建立的旅行社人力資源危機預警模型是有效的，可以用這個經過訓練、檢測完畢的BP網絡危機預警模型對旅行社人力資源危機進行預警實證研究，以防范人力資源風險，保證旅行社企業良性運行，同時對整頓治理旅游市場秩序起到監督和促進作用。

主要參考文獻

[1] 許謹良. 風險管理[M]. 第2版. 北京：中國金融出版社，2003：53-55.

[2] 劉剛. 危機管理[M]. 北京：中國經濟出版社，2004：290-291.

[3] 陳昕. 規范導游行為的分析和思考[M] // 羅明義. 旅游管理研究. 北京：科學出版社，2006：118.