基于BP神經網絡的勞動者工資收入模型

高梓軒　楊艷秋　秦四通　曹亞凱　王雨琪

關鍵詞：BP神經網絡；時間序列分析；霍特線性趨勢；ARIMA（0，1，0）

中圖分類號：TP311 文獻標識碼：A

文章編號：1009-3044（2023）12-0013-03

0 引言

中華全國總工會進行的一項研究報告顯示，中國勞動力收入占GDP 的比重已經連續下降了27年之余?！坝霉せ摹彼坪醭闪艘环N新風潮，在全國范圍蔓延。勞動力工資收入是我們主要關注的一種基本收入，提高工人工資、勞動報酬不僅刻不容緩，還是一場持久戰。

提高勞動者的工資收入影響因素很多且受各方面的影響較大，提高工資收入不可過慢、過快，需要根據實際經濟發展情況作出實時調整，必須適時適度。

1 基于BP 神經網絡的工資調整幅度模型

建立勞動者工資收入上漲幅度標準，探究“十三五”期間工資上漲幅度的合理性。探究其合理性，我們引入BP神經網絡利用2006—2015年的數據對“十三五”期間的工資進行預測，而后搜索數據尋找“十三五”期間的真實指標數據與工資情況并與預測結果進行比較，探求其合理性。

BP神經網絡又稱為誤差反向傳播神經網絡，是一種可實現多層精準預測的前向行神經網絡。其原理主要為以網絡的誤差平方和為目標函數，采用梯度下降的方法計算目標函數的最小值[1]。

minS = SEE²（1）

式中，SEE²代表網絡誤差平方和。

X₁，X₂，…X_m為輸入層m 個輸入，隱含層有q 個神經元，W₁₁，W₁₂，…W_sq 為隱含層q 個神經元與輸出層s 個神經元之前的權值，Y₁，Y₂，…Y_m為輸出層s 個輸出。BP神經網絡學習過程有信號正向傳播與誤差反向傳播兩個過程，如圖1所示。

2 基于時間序列分析的橫縱向工資預測模型

2.1 模型的建立

對于“十四五”期間的工資調整的幅度前景分析，本文引入時間序列分析對主要因素進行縱向預測[2]，結合國家決策與規劃，利用BP神經網絡對勞動者工資進行橫向預測。

Step1：縱向——時間序列分析預測主要因素的大小

ARIMA（Z，V，O）模型即差分自回歸移動平均模型，該模型具有預測精確度高，操作簡單且適用于短期預測的特點。該模型中Z為自回歸的回歸項數，V為滑動平均的項數，O為非平穩序列轉為平穩序列的差分次數[3]。

首先需要對數據進行差分處理，將其轉換為平穩時間序列后進行分析預測。

Step2：橫向——BP 神經網絡模型預測工資收入

將通過時間序列分析得出的期間的國家經濟水平、政府購買、財政收入與人民幣匯率預測結果，帶入上文中建立的BP神經網絡模型中進行訓練，最終得到“十四五”期間的工資上漲幅度大小。

2.2 模型的求解

利用上述時間序列模型，人民幣匯率采用簡單指數平滑法，政府購買采用霍特線性趨勢模型，國家經濟水平與財政收入采用ARIMA（0，1，0）模型。最終得出在“十四五”期間的數據如表1所示。

利用BP神經網絡對上述結果進行橫向預測，得到勞動者工資收入結果如表2所示。

根據“十四五”期間國家決策與規劃目標，居民人均可支配收入增長要實現與國家經濟水平增長基本同步。根據所得出的結果，工資收入與國家經濟水平增長近似同步[4]，符合實際，預測結果較好。

3 模型的分析與檢驗

本文對BP神經網絡進行殘差分析，對其訓練情況進行分析檢驗。

訓練結果殘差分析如圖2所示，觀察殘差圖得到，第4個數據殘差較其他殘差值過于大，我們分析該點為一個異常值點。但其他殘差均無太大波動，且對稱地在0值上下波動。我們分析該異常值點，發現該年人民幣匯率是10年內最大的，所以發生較大偏移，但整體殘差值分布較好，可認為模型預測效果較好，模型具有較強穩定性[5]。

4 總結與展望

4.1 模型的優點

1） 采用BP神經網絡具有一般神經網絡的優點，在已知數據訓練集的條件下，訓練后的分類器具有比較好的穩定性和泛化能力，能夠較好地預測未來勞動者工資收入。

2） 采用時間序列分析能夠動態處理數據，提供預測所需要的數據。

3） 本文運用SPSS、Stata、Excel等多種數學軟件進行計算，取長補短，使計算結果更加準確。

4.2 模型的缺點

1） 在初步選取時主觀因素較大，未考慮地域分布、產業結構等因素對勞動者工資收入的影響。

2） BP神經網絡的重現性很差，有可能會出現訓練失敗的可能性，需要多次進行訓練，耗時較長。

3） 未考慮突發事件如戰爭、經濟危機等的影響，模型應對特殊事件的能力不佳。

4.3 模型的改進

1） 在本文建立的模型當中加入地域分布、產業結構以及應對特殊事件能力等的因素，使模型更加合理化。

2） 采用改進的BP神經網絡算法或是其他較好的機器學習算法以此最大程度上減少訓練失敗的可能性。

4.4 模型的展望

依據本文所建立的模型，可以進一步推廣至工業、農業、服務業發展的相關因素影響分析當中。

5 結束語

本文所設計和實現的勞動者工資收入預測模型是基于BP神經網絡的，考慮了較多影響指標，運用多個模型綜合求解了勞動者工資收入的上漲情況，具有實際應用價值，在求解其他相關性模型與預測模型中普遍適用。