基于PCA-BP神经网络的就业人口预测

详细信息    查看全文 | 推荐本文 |

英文篇名：Prediction of Employment Population Based on PCA-BP Neural Network 作者：唐贤芳 ; 刘小刚 ; 崔岩 英文作者：TANG Xianfang;LIU Xiaogang;CUI Yang;College of Information Engineering, Northwestern Polytechnical University Ming De College;College of Science, Xi Jing University; 关键词：就业人口预测 ; 主成分分析 ; BP神经网络 英文关键词：Employment population prediction;;Principal component analysis;;BP neural network 中文刊名：WXDY 英文刊名：Microcomputer Applications 机构：西北工业大学明德学院信息与工程学院;西京学院理学院; 出版日期：2019-07-20 出版单位：微型电脑应用 年：2019 期：v.35;No.315 基金：2018年度陕西省教育厅专项科研计划项目(18JK1166);; 2018年西北工业大学明德学院科研基金项目 语种：中文; 页：WXDY201907005 页数：4 CN：07 ISSN：31-1634/TP 分类号：16-19

摘要

针对就业人口数据的非线性、高维度的特点,采用主成分分析与BP神经网络相结合的方法,建立了就业人口PCA-BP预测模型,并借助2005-2017年全国就业人口及影响就业相关因子的数据进行实证分析。结果表明训练的模型能有效的反映就业人口的变化趋势,预测精度高于仅用BP神经网络构建的预测模型。最后将2015-2016年的数据代入训练好的PCA-BP神经网络模型中,预测出2018-2019年的就业人口数。
        A PCA-BP prediction model for employed population was developed based on principal component analysis and BP neural network, followed by analyzing the employed population using the data of employment population and related factors affecting employment in 2005-2017. The results show that the model can effectively reflect the variation tendency of employed population and the prediction accuracy is higher than that of model only based on BP neural network. Finally, the data of 2015-2016 are substituted into the trained PCA-BP model to predict the employment population of 2018-2019.

引文

[1] 朱家明,王梨,童金萍.我国就业人数的主要影响因素分析及前景预测[J].数学的实践与认识,2010,40(15):57-70.
    [2] 曹雷欣,孙红兵.基于灰色神经网络的股票收益率预测[J].计算机与数字工程,2017,45(1):24-28.
    [3] 孔祥仟,陈圆,刘博懿,等.基于主成分分析的神经网络在需水预测中的应用[J].水电能源科学,2018,36(4):26-28.
    [4] 藤杨刚,成劲杰,葛桂林.基于PCA主成分分析和BP神经网络企业库存预测的研究[J].软件工程,2018,21(7):12-15.
    [5] 刘照.基于PCA-BP神经网络的高校毕业生失业率预测模型实证研究[J].河北大学学报(自然科学版),2018,38(1):99-104.
    [6] 王小川,史峰,郁磊,等.MATLAB神经网络43个案例分析[M].北京:北京航空航天大学出版社,2013.
    [7] 宋茹茹.基于回归分析的山东省就业人口预测模型及数据失真分析[D].武汉:华中师范大学,2013.