基于PCA-BP神经网络的就业人口预测

发布时间：2021-01-29 20:16

　　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。 

【文章来源】：微型电脑应用. 2019,35(07)

【文章页数】：4 页

【文章目录】：
0 引言
1 就业人口预测模型的构建
    1.1 主成分分析法
    2.2 BP神经网络
    1.3 就业人口预测的PCA-BP神经网络的构建
2 实证研究
    2.1 就业指标的选取及相关数据的搜集
    2.2 数据的PCA分析
    2.3 PCA-BP神经网络预测模型的训练
    2.4 PCA-BP神经网络预测模型的应用
3 总结


【参考文献】：
期刊论文
[1]基于PCA主成分分析和BP神经网络企业库存预测的研究[J]. 腾杨刚,陈劲杰,葛桂林.  软件工程. 2018(07)
[2]基于主成分分析的神经网络在需水预测中的应用[J]. 孔祥仟,陈园,刘博懿,朱平宗.  水电能源科学. 2018(04)
[3]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]. 刘照.  河北大学学报(自然科学版). 2018(01)
[4]基于灰色神经网络的股票收益率预测[J]. 曹雷欣,孙红兵.  计算机与数字工程. 2017(01)
[5]我国就业人数的主要影响因素分析及前景预测[J]. 朱家明,王犁,童金萍,郭艳芳.  数学的实践与认识. 2010(15)

硕士论文
[1]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]. 宋茹茹.华中师范大学 2013



本文编号：3007541