【摘要】：隨著社會的不斷發(fā)展和進步,企業(yè)的人力資源數(shù)據(jù)越來越多。如何從這些人力資源數(shù)據(jù)中挖掘出信息,已經(jīng)成為企業(yè)發(fā)展建設(shè)過程中的迫切需求,而數(shù)據(jù)挖掘技術(shù)為企業(yè)人力資源的需求預(yù)測帶來了新的機遇。通過良好的人力資源挖掘及預(yù)測技術(shù)可以幫助企業(yè)管理者清晰的了解企業(yè)人力資源狀況,為其提供正確的人力資源需求預(yù)測數(shù)據(jù),以幫助管理者更好的管理企業(yè)。本文首先對需求預(yù)測的定性與定量分析進行研究,對數(shù)據(jù)挖掘算法進行研究并分析對比,在深入了解預(yù)測挖掘技術(shù)的基礎(chǔ)上,確定多元線性回歸方法,通過建模、統(tǒng)計指標分析及顯著性檢驗得到回歸方程,并依此對企業(yè)人員數(shù)進行需求預(yù)測,驗證多元回歸模型的可行性。通過研究傳統(tǒng)的標準BP神經(jīng)網(wǎng)絡(luò)算法的優(yōu)點、流程及存在的不足,提出一種對BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)率進行改進的新方法,該方法采用差異化的學(xué)習(xí)率,實現(xiàn)不同節(jié)點之間權(quán)重的動態(tài)調(diào)節(jié),從而加快權(quán)重的調(diào)整速度,提高訓(xùn)練的收斂速度。本文詳細描述了學(xué)習(xí)率自適應(yīng)BP神經(jīng)網(wǎng)絡(luò)算法改進流程及推倒過程,詳細分析了算法的優(yōu)化步驟及流程,并進行實例驗證。最后完成了人力資源需求預(yù)測系統(tǒng)的設(shè)計與實現(xiàn),通過數(shù)據(jù)庫設(shè)計及模塊設(shè)計,主要實現(xiàn)了人力資源管理和人力資源預(yù)測兩個功能模塊,通過對人力資源數(shù)據(jù)進行管理及需求預(yù)測,得出結(jié)果,并最終實現(xiàn)預(yù)測結(jié)果的可視化。
[Abstract]:With the development and progress of the society, more and more human resource data are available. How to extract information from these human resource data has become an urgent need in the process of enterprise development and construction, and data mining technology has brought a new opportunity for enterprise human resource demand prediction. Through the good human resource mining and forecasting technology, it can help the enterprise managers to understand the human resource situation clearly, provide the correct human resource demand forecast data for them, in order to help the managers to manage the enterprise better. In this paper, the qualitative and quantitative analysis of demand forecasting is studied, and the algorithms of data mining are analyzed and compared. On the basis of in-depth understanding of prediction mining technology, the multiple linear regression method is determined. The regression equation was obtained by statistical index analysis and significance test. According to this, the demand of enterprise personnel was predicted, and the feasibility of multivariate regression model was verified. By studying the advantages, flow and shortcomings of the traditional standard BP neural network algorithm, a new method to improve the learning rate of BP neural network is proposed. The dynamic adjustment of weights between different nodes is realized so as to speed up the adjustment of weights and improve the convergence speed of training. This paper describes in detail the process of improving and pushing down the learning rate adaptive BP neural network algorithm, analyzes the optimization steps and flow of the algorithm in detail, and verifies the algorithm with an example. Finally, the design and implementation of human resource demand forecasting system are completed. Through database design and module design, two functional modules of human resource management and human resource prediction are realized. By managing the human resource data and forecasting the demand, the result is obtained, and finally the visualization of the forecast result is realized.
【學(xué)位授予單位】：華北電力大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：F272.92;TP311.13

【參考文獻】

相關(guān)期刊論文 前10條

1 李鵬;;基于數(shù)據(jù)挖掘的大型企業(yè)人力資源需求預(yù)測研究[J];人力資源管理;2016年06期

2 秦丹;陳進;;大數(shù)據(jù)當?shù)?招聘難題怎么破?——以谷歌公司為例[J];企業(yè)管理;2015年09期

3 王偉晶;;基于BP神經(jīng)網(wǎng)絡(luò)預(yù)測股票的漲跌趨勢[J];現(xiàn)代經(jīng)濟信息;2015年16期

4 鄭曉峰;王曙;;基于粗糙集與關(guān)聯(lián)規(guī)則的道路運輸管理信息數(shù)據(jù)挖掘方法[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2014年02期

5 張?zhí)鹛?王偉;;供電企業(yè)人力資源需求預(yù)測模型及應(yīng)用[J];人力資源管理;2013年12期

6 謝波;;人力資源管理對于企業(yè)績效影響的回歸分析[J];統(tǒng)計與決策;2013年13期

7 趙朝鳳;令曉明;;淺析BP神經(jīng)網(wǎng)絡(luò)基本模型的C語言實現(xiàn)[J];通信技術(shù);2013年01期

8 王向博;賈紅麗;馮兵;;數(shù)據(jù)挖掘在信息資源管理中的應(yīng)用研究[J];信息技術(shù);2012年03期

9 陳光會;;基于BP網(wǎng)絡(luò)的客戶價值分析[J];統(tǒng)計與決策;2011年08期

10 韓亞明;;淺析人力資源需求預(yù)測常用方法[J];人力資源管理;2011年04期

相關(guān)博士學(xué)位論文 前2條

1 鄭文軍;內(nèi)蒙古電力企業(yè)績效評價與人力資源需求預(yù)測研究[D];天津大學(xué);2012年

2 秦劍軍;知識經(jīng)濟時代人才強國戰(zhàn)略研究[D];華中師范大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 黃文靜;基于蟻群算法的關(guān)聯(lián)規(guī)則挖掘在營銷中的應(yīng)用研究[D];江西師范大學(xué);2014年

2 常凱;基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘分類算法比較和分析研究[D];安徽大學(xué);2014年

3 陳雪萍;數(shù)據(jù)挖掘技術(shù)在高校教務(wù)管理中的應(yīng)用研究[D];廣西師范大學(xué);2014年

4 陳麗玉;X公司人力資源規(guī)劃研究[D];蘇州大學(xué);2014年

5 梁志紅;中油燃料瀝青有限公司戰(zhàn)略性人力資源規(guī)劃研究[D];燕山大學(xué);2013年

6 孫維麗;基于人工神經(jīng)網(wǎng)絡(luò)的礦井素質(zhì)評價系統(tǒng)研究[D];西安科技大學(xué);2013年

7 藺莎莎;新華保險公司三級機構(gòu)人事管理系統(tǒng)的設(shè)計與研究[D];電子科技大學(xué);2013年

8 李翔;L公司人力資源需求預(yù)測研究[D];華南理工大學(xué);2012年

9 甘志鵬;省級電力公司人力資源規(guī)劃體系研究[D];華北電力大學(xué);2012年

10 劉天舒;BP神經(jīng)網(wǎng)絡(luò)的改進研究及應(yīng)用[D];東北農(nóng)業(yè)大學(xué);2011年

，

本文編號：2396316