針對(duì)就業(yè)人口數(shù)據(jù)的非線性、高維度的特點(diǎn),采用主成分分析與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法,建立了就業(yè)人口PCA-BP預(yù)測(cè)模型,并借助2005-2017年全國(guó)就業(yè)人口及影響就業(yè)相關(guān)因子的數(shù)據(jù)進(jìn)行實(shí)證分析。結(jié)果表明訓(xùn)練的模型能有效的反映就業(yè)人口的變化趨勢(shì),預(yù)測(cè)精度高于僅用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的預(yù)測(cè)模型。最后將2015-2016年的數(shù)據(jù)代入訓(xùn)練好的PCA-BP神經(jīng)網(wǎng)絡(luò)模型中,預(yù)測(cè)出2018-2019年的就業(yè)人口數(shù)。 

【文章來(lái)源】：微型電腦應(yīng)用. 2019,35(07)

【文章頁(yè)數(shù)】：4 頁(yè)

【文章目錄】：
0 引言
1 就業(yè)人口預(yù)測(cè)模型的構(gòu)建
    1.1 主成分分析法
    2.2 BP神經(jīng)網(wǎng)絡(luò)
    1.3 就業(yè)人口預(yù)測(cè)的PCA-BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建
2 實(shí)證研究
    2.1 就業(yè)指標(biāo)的選取及相關(guān)數(shù)據(jù)的搜集
    2.2 數(shù)據(jù)的PCA分析
    2.3 PCA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的訓(xùn)練
    2.4 PCA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的應(yīng)用
3 總結(jié)


【參考文獻(xiàn)】：
期刊論文
[1]基于PCA主成分分析和BP神經(jīng)網(wǎng)絡(luò)企業(yè)庫(kù)存預(yù)測(cè)的研究[J]. 騰楊剛,陳勁杰,葛桂林.  軟件工程. 2018(07)
[2]基于主成分分析的神經(jīng)網(wǎng)絡(luò)在需水預(yù)測(cè)中的應(yīng)用[J]. 孔祥仟,陳園,劉博懿,朱平宗.  水電能源科學(xué). 2018(04)
[3]基于PCA-BP神經(jīng)網(wǎng)絡(luò)的高校畢業(yè)生失業(yè)率預(yù)測(cè)模型實(shí)證研究[J]. 劉照.  河北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(01)
[4]基于灰色神經(jīng)網(wǎng)絡(luò)的股票收益率預(yù)測(cè)[J]. 曹雷欣,孫紅兵.  計(jì)算機(jī)與數(shù)字工程. 2017(01)
[5]我國(guó)就業(yè)人數(shù)的主要影響因素分析及前景預(yù)測(cè)[J]. 朱家明,王犁,童金萍,郭艷芳.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2010(15)

碩士論文
[1]基于回歸分析的山東省就業(yè)人口預(yù)測(cè)模型及數(shù)據(jù)失真分析[D]. 宋茹茹.華中師范大學(xué) 2013



本文編號(hào)：3007541