基于BP神經網絡的廣西人才需求預測實證分析

文嵐，張娜

（廣西民族大學商學院，南寧530000）

1 問題的提出

目前，國內外的人才需求預測的定量分析多數以發生期的統計數據構建人才需求預測的計量模型，難以反映受到地方經濟發展、政策調整等多方面因素的非線性變化影響，影響預測的科學性和準確性。借助BP神經網絡較強的非線性映射能力，能很好地解決人力資源需求預測中影響因素與預測結果間的非線性關系；BP神經網絡有利于我國企業人力資源需求的科學、有效預測。廣西地處祖國西南邊疆，是國內唯一的沿邊、沿海少數民族省份，作為“一帶一路”有機銜接門戶，人才供求缺口很大。雖然廣西實施了“人才強桂”戰略，采取了一系列開放務實的政策舉措，增加了人才總量，完善了人才培養環境，但是由于對廣西人才需求的科學預測仍然不夠科學、客觀，使人才規劃、人才政策激勵效果不夠理想，人才缺乏問題仍未解決，近年廣西的經濟發展水平仍然位居全國后五位。因此，有必要應用BP神經網絡預測廣西人才需求非線性變化，提高人才培養的科學規劃水平和人才激勵政策效果。

2 廣西人才需求預測的BP神經網絡模型構建

2.1 BP神經網絡理論模型及其特點

BP（Back Propagation）神經網絡是指基于BP算法的多層前饋神經網絡，BP學習算法是一種經典的誤差反向傳播原理的學習算法，它以最小誤差均方為準則，并采用非線性可微分函數進行權值訓練。BP神經網絡結構是由一個或多個輸入層、一個或者多個隱含層和一個或者多個輸出層組成。BP神經網絡學習時，輸入信號經過輸入層輸入，通過隱含層內部計算，由輸出層輸出，輸出信號與期望輸出值比較，計算其誤差值，再將誤差信號反向由輸出層通過隱含層處理后向輸入層傳播。在這個過程中，通過誤差梯度下降的方法，以此調整神經元權值，然后輸入信號再次輸入，BP神經網絡重復此過程。這種信號正向傳播與誤差反向傳播的各層權值調整過程周而復始進行，直到BP神經網絡輸出的誤差下降到可接受程度，或訓練到程序預先設定的學習次數為止。BP網絡訓練完成之后，得到的權系數就是一個預測模型。

圖1 BP神經網絡結構

2.2 廣西人才需求預測的BP神經網絡模型構建

①輸入輸出層設計。在BP神經網絡中，設所有神經元的激勵函數均用Sigmoid函數。設訓練樣本集為X=（X1，X2，…，Xn），對應任一訓練樣本 Xk=（Xk1，Xk2，…，Xkn）T，（k=1，2，…，n），實際輸出為 Yk=（Yk1，Yk2，…，YkP），期望輸出為 dk=（dk1，dk2，…，dkp）T。另外，設d為迭代次數，權值和實際輸出是n的函數。

②網絡學習的過程及其流程。對網絡進行初始化設置，給各連接權值分別賦一個區間（-1，1）內的隨機數，設定誤差函數e，給定的計算精度值和最大學習次數M。隨機選取第k個輸入樣本及對應期望輸出，計算隱含層各神經元的輸入和輸出，利用網絡期望輸出和實際輸出，計算誤差函數對輸出層的各神經元的偏導數δ0（k），利用隱含層到輸出層的連接權值、輸出層的δ0（k）和隱含層的輸出計算誤差函數對隱含層各神經元的偏導數δ0（k），再利用輸出層各神經元的偏導數和隱含層各神經元的輸出來修正連接權值，最后計算出全局誤差，判斷網絡誤差是否滿足要求。當誤差達到預精度或學習次數大于設定的最大次數，則結束算法。否則，選取下一個學習樣本及對應的期望輸出，返回到第三步，進入下一輪學習。通過廣西人才需求預測的BP神經網絡模型構建，進入BP神經網絡訓練，產生預測數據，得到預測結果。

③輸入輸出指標的確定。本研究結合實際最終確定BP神經網絡模型的結構為4-6-1，即網絡輸入層中包含4個神經元，其輸入是對區域高技能人才需求有顯著影響的量，分別為廣西地區生產總值（GDP）(X1)、廣西全社會投資總額(X2)、廣西社會從業人員數(X3)、廣西地區公共財政教育支出（X4）；一個隱含層，其中包含的隱單元個數是6；一個輸出層，只包含1個神經元，其輸出是廣西人才需求預測值Y。

3 基于BP神經網絡的廣西人才需求預測的實證分析

3.1 數據選取

根據國家人力資源管理的相關規定，結合廣西經濟發展現狀，將中專以上學歷的人力資源視為人才。學歷水平與人才之間并非完全等價關系，雖然學歷水平的信號顯示相對穩定、社會公認度高，但是高學歷并不意味其創新、創業的能力強、人力資本服務能力強。而根據人力資源相關研究表明，受高學歷教育的人力資源，知識掌握相對豐富、能力相對較強，越容易成為人力資源中的人才。因此，人才是個相對概念，是通過人力資源與地區經濟、科技發展水平與需求之間的相對比較而得出的。基于此，以2010—2015年中專以上學歷人才指標數據作為輸出預測，見表1，以有效開展人才需求預測與開發體系的設計工作。

表1 廣西2010—2015年人才實際需求量（Y）

3.2 網絡訓練

以2010～2015年的相應數據作為訓練樣本，進行網絡訓練。為了提高訓練效率，保證數據為同一數量級的研究，在訓練前，首先利用Matlab的premnmx()函數對輸入輸出數據進行歸一化處理，然后通過調用MatLab7中的newff(PR，[S1，S2，…，Sn]，{TF1，TF2，…，TFn}，BTF，BLF，PF)函數來創建區域高技能人才需求預測的BP神經網絡模型，設定網絡的訓練目標為0.001，學習率為0.05，最大訓練次數為200000次，以實現對網絡的訓練，得到廣西人才需求BP神經網絡預測值，見表2。

表2 廣西人才需求BP神經網絡預測分析

3.3 網絡測試

BP神經網絡經訓練完成后，為了驗證模型預測的精確性，還需要對其進行測試。由于人才統計數據的可獲得性限制，在測試過程中所使用的檢驗樣本仍然是2010—2015年的相應數據。用前述方法把檢驗樣本輸入先前建立的BP網絡模型，通過網絡訓練，得到廣西人才需求預測值。根據BP神經網絡理論，當需求預測值與實際需求值的相對誤差均小于3%，屬于允許誤差，當預測的相對誤差在允許誤差范圍之內時，即認為預測是精確的，是合格的預測。由表2可知，因為廣西人才需求的預測值與實際值之間最大相對誤差為1.3%，誤差均小于3%，符合事先設定的預測誤差允許范圍之內，所以可以認定該預測是比較合理的。

3.4 預測結果分析

根據網絡訓練、學習，利用BP神經網絡模型對2018—2020年廣西人才需求總量進行科學預測。可得預測結果，見表3。從預測結果分析，廣西人才需求總量2018至2020年分別為494248、501618、508285，由此計算出廣西人才需求平均每年遞增率為1.41%，人才總量呈穩步增長的趨勢，2020年廣西人才需求總量達到508285人。

表3 2018—2020年廣西人才預測值

4 廣西人才培養的建議

根據目前廣西高校的學制設置，2018年的畢業生將達到549819人，其主要來自2014年所招收的四年制本科生和2015年招收的三年制專科學校，另一小部分主要來自于2015年所招收的三年制技工學校和研究生。由于廣西近年來招生規模尚較為穩定，因此，預計廣西2018年新增人才數將大致為439135人，這樣與預測結果相比將出現55113的人才缺口。要解決廣西人才巨大的供需缺口，必須采取積極、有效的措施加強教育培訓體系建設，促進創新創業人才交流，優化人才結構，促進優質人才代際傳導機制形成。

4.1 強化政府宏觀引導作用，實現人才培養健康發展

廣西政府要加大人才培養的扶持力度，不僅要積極出臺各項對企業學校深化職業教育合作發展的鼓勵政策，幫助廣大的學生形成正確的職業價值觀，促進人社部門和財政部門的合作，根據企業和學院職業教育合作的程度與實際效率，在貸款、稅收等方面要給予適當實際減免和優惠，以對校企合作長效機制提供積極的幫助。此外，政府還要憑借地理優勢大力支持急需緊缺專門人才培養，如東南亞小語種人才，培養造就出一大批具有國際水平的戰略人才、科技領軍人才、青年科技人才和高水平創新團隊。

4.2 創新識才引才機制，完善人才留用機制

廣西受地區發展限制，人才流動較強，要加快完善人才發展配套服務，對生活環境不斷提高優化。開通各個創新創業人才引進綠色通道，在加大人才保障投入的基礎上，盡快完善戶籍國籍、社會保障、科研項目管理、知識產權保護等配套政策。全面落實引才優惠政策，為各項人才在培訓學習、醫療保健、居住、子女就學與文化需求等方面的條件，努力為他們排憂解難。另外，努力為科技人才營造萬眾創新、扶持創業的良好環境，為創新創業人才的優先發展及茁壯成長提供有利條件。

4.3 人才培養以及發展完善的機制與體系

全面發展特色優勢產業、發展職業技術教育和新農村新牧區及其他地區對人才的需求，完善職業教育及資格證書的銜接辦法，同時需要設立一批職業技術學院。對單位的個人擇業自主權與用人權進行落實，優化和限制行業、部門及部分城鄉相關制度，對人事方面制度進行管理，完善公共管理服務體系。為了達到地區統一的人才有序合理流動，需要通過政策和規劃共同推動。

4.4 促進人才全面發展需加大教育的投入

改變以往的觀念，如消費、支出等，樹立人才開發是全面受益的觀念。一個國家最大的投資就是人才培養，其受益者也是國家、社會、企業，只有推動人才培養才能使國家、社會進一步的快速發展。同時需要重點增加對人才培訓、學術交流以及國內外考察活動，用于高層次人才的培養與引進，重視實驗室建設推動高層次人才培養。另外，相關部門還應全面投入教育事業人才培養建設中。