基于区域性计算机网络专业人才需求预测模型的研究

中图分类号：Ｃ ６． 文献标识码：Ａ 文章编号：１０－ ５９２ １）６ ０６－２ ９４ ２ ０７ ９９ （ ２ ０－ ０２ ０ ０
引言 在 当今社会 ， 经济 的竞 争就是科学技术的竞争 ， 而归根结 底， 科技 的竞争实质上就是 人才 的竞争 ！ 而人才预测是实施人 才资源开发战 略提 高企业人才竞争力的重要前提 。 如何根据社 会发展 、 经济增长来调整专 业， 测出计算机 网络从业人 员的 预 宏观需求 ，有 目标 、有根据地培养 、引进和利用人才 ，使得计 算机 网络专业 向现代化 、国际化 标准 迈进 ， 这将是一个地 区计 算机 网络行业发展面 临的首要 问题 。 统的人才预测方法是基 传 于前几年 的增长惯性 去外推 未来超常规发展 、 跨越式发展 的态 势，主要是使用回归分析预测法 、时间序列平滑 预测法和趋势 曲线模 型预测法等 。这些预 测思路和 方法从生 产规模大 小 出 发，考虑 了科 技进 步、市场竞 争、营销 能力 以及其他 外 向开拓 因素 ， 加入 了科学化、现代化 后发展的新规律 。这就 使得预测 过 程 复 杂 化 ，需 要 大 量 的信 息 。 二、才需求预测模型 （ ）人才预测 的数学模 型 一 在社会主义市场经济条件下 的人才预测建立 了数学模型 ：
一
、
式 中：ｔ为时间，代表年 次等， ａ。 ｂ为参数 ，ａ代表 ｔ ｏ时 ＝ 的预测值 ， ｂ代表逐期增长量 ， ． 代表预测值 。
三 、模型 的选择 根据美 国斯坦福研 究所 的统 计， 目前人才 预测 的方法多达 １０多种 ，国内外常用 的人才总量需求预测方法 可分为宏观预 ５ 测和微观预测两大类 ， 中宏观预测又分 为定性预测法 和定量 其 预测法 。 常用 的定量预测模型包括 回归模 型、时序模 型和生产 函数模 型等 。这类 方法基本 上是建立在 历史统计 资料 的基 础 上，需要 占有丰富 的历史资料 ， 并且要求数据变化过程表现 定的规律性 。 宏观定性预测包括分析和 比较研 究， 家分析 专 判断 （ 尔菲法、专家会议法等） 特 等方法 。一般而 言，用此类 方 法预测结构较之预测绝对数量更容易 。 微观预测方法主要指 微 观集成法 ，但该方法不适合于人才总量需求 的中长 期预 测。 四 、 灰 色 预 测 模 型 （ ）灰色预测模型 的建立 一 灰色系统理论首先对原始数据进行 生产 处理， 经生成处 理 后就可从 表面上无序 的数据序 列中发现其 内在规律 性 ［ ］ ５ 。
）
“ ［ ２，８０９１２９４ ６１， ６４ ５５】 Ｌ ４ ２ ８，８６ ７６， ４４ ５１，４４ ５ １ １ ， １ ３ ４ ５
算结果如上表所示， 从表中 可知△ ＝１ ４ ％ ＜５ 可 （） ． ５ ０ ％，
２ 建 立微 分方 程。 ． 灰色系统建模思想是直接将 时间序列转 见该预测模型拟合程度较好。 化为微分方程 ，从而建 立抽象系统 的发展变化动态 模型 ，即 ６ 外推预测 。 ． ｇ ｅ ｙ ａ ｉ ｏ ｅ ，Ｇ （ ， ） ｒ ｙ ｄ ｎ ｍ ｃ ｍ ｄ １ Ｍ １ １ 即表 示含 有 一 个 变 量 的一 阶 经过残差检验可见该模型具有非常优异 的精度 ， 利用此模 微分方程的动态模型 。Ｇ （ １ Ｍ １， ）模型一阶微分方程为： 型所建立起来 的预测公式 ， 我们可 以对某市计算机 网络人才未 来 ２１ ０５ ０ 卜２ １ 年的需求总量进行预测 ， 预测结果如下 表（ ２ ： 表 ） 丁 ）） 【 ： （ “ ｆ Ｊ 表 ２ ２ １ ０ ５年人才需求总量预测值 ０ 卜２ １ ３ 估计参数 。估计参数 ａ ｕ ，利用最小二乘法可求得 ： ． ，
一
：
Ｍｏ１ Ｉ （＋ｖ） ’
Ｇ￣，） Ｍ１１模型是最常用的灰色预测模型： 设原始时间序列数据
式中 ， 为 规 划 目标 年 的专 门人 才 拥 有 总 量 ；
． ．
分 别
Ｌ ｕＪ
．
为基 年的专 门人才密度 、Ｇ Ｐ数值和全 员劳动生产率 。模 型中 Ｄ 有 ｖ ，ｖ １ ３两个 “ 阀门”， 主要是调控专 门人才密度和全 员劳动 生产 率两个数值之间的关系 ， 从而找到 既可 以实现专 门人 才总 量适 度增长，而全员劳动生产率也能逐年提 高的持 续、 调发 协 展 的理想数值 ，为高等教育 、高层次人才 培养 规模 提供依据 。 但 是，该模型中需要引用 的参数 比较 多，且不容易得到。 （ ）回归分析预测法 二 回 归 分 析 预 测 法 （ｅ ｒ ｓ ｉｎ Ａ ａ ｙ ｉ Ｐ ｅ ｉ ｔ ｏ Ｒ ｇ ｅ ｓ ｏ ｎ ｌ ｓ ｓ ｒ ｄ ｃ ｉｎ Ｍ ｔ ｏ ） 是在分析市场现象 自变量和 因变量之 间相 关关系的 ｅｈｄ ， 基础 上，建立变量之间 的回归方程 ， 并将 回归方程作 为预测模 型， 根据 自变量在预测期 的数量变化来预测 因变量关系大 多表 现 为相 关关系 ，因此 ，回归分析预测法是 一种 重要的 市场预 测 方法 ，当我 们在对 市场现象 未来发展状 况和水平 进行预测 时， 果能将 影响市场预测对象 的主要 因素找 到， 且能够取 如 并 得其 数量 资料，就可以采用回归分析预测法进行预测 。 是一 它 种具 体的、行之有效的 、实用价值很 高的常用 市场 预测方法。 （ ）时间序列预测法 三 时间序列预测法， 是将 预测对象的历史数据按照 时间的顺 序排 列成 为时间序列 ， 然后分析它随 时间的变化趋 势， 推预 外 测对 象的未来值。这样 ， 就把影响预测对象变化 的一切 因素 由 “ 时间”综合起 来描述 了。 间序列分析预测法 可分 为确 定性 时 时间序列 预测法和 随机 性时间序列预测法 。 （ 四）趋 势曲线模 型预测法 趋势 曲线模 型预测法是长期趋势预测 的主 要方法， 是根 它 据 时间序列 的发展趋势 ， 配合 合适 的 曲线模型 ， 外推 预测未来 的趋势值 。 包含 有直线模 型预测法、多项式 曲线模型预测法和 指数 曲线模 型预测法。 一 ．厶 直线 预测模型为： ｔ ”…‘
ａ ＝（ ） ＝ ）’ 一 Ｙ Ｂ
式 中，Ｂ和 Ｘ 别为如下矩阵和向量： 分
Ｘ３Ｏ （）
解 上述微分方程 ，得到时 间响应 函数 ：
。
（，ｆ一— ｆ＝ 詈 ＋［－］＋ ，Ｐ ｃ
（】 １
＝ 一 ＋
将 上式写成离散形式：
一
詈

年 份 ２ ０ ２０ ２ ０ ２ ０ ２ ０ ２ ０ ２ １ ０ ０ ５ ０６ ０７ ０８ ０９ Ｏ０
一 一 一 一 一 一
计算， 可得
（）： ０
的估计值 ：
实 际值 ４ ２ ７ ５ ７ ３ ８ ４ ８ ５ ９ ０ ９ ４ ５ ３ ８ ９６ １８ ４０ ２０ ８０
２ １ 年 第 ６期 ０２ Ｃ ｍ ｕ ｅ ＤＳ ｆｗ ｒ ｎ ｐ ｌ ｃ ｔ ｏ ｓ ｏ ｐ ｔ ｒＣ ｏ ｔ ａ ｅａ ｄＡ ｐ ａ ｉｎ ｉ 工 程 技 术
由于序 列 （ 是 （） ） 。 的一阶累加序列，根据 ｆｌ） ＋（ 通过累减
…
表 １ ２ ０ — ０ ０年实际值与预测值 比较 ０４ ２１
下面 以某市计算机 网络人才需求预测为例， 绍灰色预测 介 ５结果检验与误差分析 。 ． 模型在区域性人才需求预测实际 中的应用 。 通过调查研究 ，我们采集 了某市 ２ ０ — ０ ０的基本数据 ， ０４２１ 为了保证模 型具有 良好 的精度 ， 必须通过残差检验 。 通过 在此基础上进行预测研究 。 某市计算机 网络专业人才需求历年 计 算残 差和相对误差 ，检验判 断误差变动是否平稳 。 （） ０ （ 们 数据 ：２ ０ ～ ２ １ ０４ ０ ０年份分别对应 的实际值为 ：４ ２ ，７ ５ ， ５ ２ ３ ８
（ 安顺职业技术 学院，贵 州安 顺
５ １０ ６ ００）
摘要 ：本文调查 了很 多人 才需求预测模 型。根据预 测 目的不 同对这些模型进行 了分类 比较 ，并结合 西部 欠开发 、 欠发 达地 区的计算机 网络 专业的人 才需求 问题 ，采 用灰 色预 测方法建立 了科 学的数 学模 型进行预 测 ，求解得 出一个 较 为合 理的预测结果 ，并对今后 的研 究工作做 了进 一步展 望。 关键 词 ：人才 需求预测模型 ；灰 色预 测模 型 Ｇ １１；计 算机 网络专业 Ｍ（， ）
残 ： ｔ ：（ 一 差 占 ） 。 。 ）
）其中 ｌ） Ｍ １１ ， 尼是由Ｇ （， ）
Ｘ【 ＝ｌ５ ２ ３ ８７ ３ ，１ ８ ４ ０９ ０ ，８ ０ 为 Ｕ ４ ２ ， ５ ，９ ６８ ４ ； ５ ，２ ０９ ４ ） ７ ８ ｌ
：
了避免原始序列 的无规则摆动 ， 将原始序列累加生成逐渐 增大 通 过 。 的新序列 ： 根据上述模 型求 得的预测值进行残 差和相对 误差 计算 ， 计
， 、
７３ ，８ ４ ，８ ５ ，９ ０ ，９ ４ 。 ９６ １８ ４０ ２０ ８ ０
现在 以需要培养人数为预测代表 ，详细介绍灰色 Ｇ １ １ Ｍ（ ， ） 模型计算得的 ｌ 累减生成的时间序列。 ｋ） 预测模型的应用。 １ 数据处理 。首先建立原始序列 ． 相 对误差 ： △ ） １％，如果△ ＜５ ， ０ ０ （） ％ 则检验
一
苫箍 它
（＝｛ｌ ， ”…， ’ 。其 中： ‘ ， ‘｝ ） ”
‘ ＝ ‘ ‘ 一 ’ ＝， ， ‘ ∑ ‘＝ 一 ‘ ｆ １ ” １ 。 ２ ） （ ，・
’） ≥ ｏ
利用一次累加生成数列拟合微分方程 ：
｝ ．
其 系 数 向量 可 采 用 最 小 二 乘 法 估 计 求 解 ：
预 测 值 ４ ２ ７ ４ ７ ６ ８ ｌ ８ ８ ９ ８ ９ １ ５ ３ ２ ７５ ２３ ６７ １８ ７８
残 差
Ｏ
—６ ｌ
～ ７ ６ ｌ１ ５
２７ ３
－２ １
— ２ １２
相 对 误 ０
Ｏ ２ ２ １ Ｏ ７ ２ ８ ０ １ １ ２ ．０ ．５ ．９ ．Ｏ ．３ ．４