基于灰色BP神经网络的企业人力资源需求预测

● 蒋蓉华 曹 琦

基于灰色BP神经网络的企业人力资源需求预测

● 蒋蓉华 曹 琦

本文运用灰色关联分析对预测指标进行筛选，并采用灰色BP神经网络模型为研究工具，对企业未来3年的人力资源需求量进行预测。与灰色预测相比，灰色BP神经网络预测结果精度更高，可为企业人力资源预测工作提供更好的方法。

人力资源 BP神经网络 灰色预测

科学有效的预测方法能满足企业生存发展过程中对人力资源的需求，进而获得和保持企业的竞争优势。新型定量预测方法的出现和信息技术的发展极大地拓展了人力资源需求预测的种种可能，预测技术逐步向高级预测技术阶段发展。因此，选取科学有效的预测方法，提高预测精确度，对企业人力资源需求预测尤为重要。

企业人力资源需求预测包括定性预测和定量预测两个方面。定量预测侧重于模型的建立、比较和应用，该方法能够减弱主观因素对预测结果的影响。由于客观世界存在大量的非线性系统问题，定量预测有逐步向非线性预测方法转变的趋势，出现了BP神经网络、非线性混沌动力学和自适应神经模糊推理系统等用于解决非线性系统问题的预测方法。神经网络具有良好地逼近非线性函数的能力，在预测未来的非连续性变化中展现出巨大魅力,具有广泛的应用前景。灰色BP神经网络是灰色预测和BP神经网络的组合预测模型，具备弱化数据波动性、随机性和良好逼近非线性函数的优点，相对于单一的灰色预测模型和传统的神经网络预测模型而言，预测精度更高。

一、预测技术准备

（一）预测指标体系的构成

借鉴前人的预测指标体系，结合预测指标的选取原则，对预测指标体系的构成进行分析。企业人力资源需求预测的影响因素分为外部因素和内部因素。外部影响因素涉及市场需求和企业方针政策。考虑到企业外部环境复杂，外部因素的不确定性太多，衡量指标的数据获取难度大，因此仅对内部因素下的预测指标体系构成进行分析。影响企业人力资源需求预测的内部因素有企业规模、生产需求、成果性指标、劳动力成本趋势、劳动生产率变化趋势、企业人员结构、培训的需求、每个工种员工的移动情况、旷工趋向和企业人员流失程度。相应的衡量指标为总资产、净资产、企业总产值、利润、销售收入、企业工资与地区行业工资比值、劳动生产率、管理人员比重、科技人员比重、高学历人员比重、培训投入量、晋升比例、出勤率和辞职率。这些指标之间存在着关联性，如企业规模的大小对企业的总产值有影响，较大的企业规模往往意味着更大的企业总产值；培训投入对劳动生产率的变化有影响，培训投入有助于劳动生产率的提高。企业人力资源预测指标体系见表1。

需要说明的是：企业规模由总资产X1或净资产X2来衡量，当企业负债较少时，总资产X1可以反应出企业的规模；当企业负债较多时，净资产X2可以反应企业的规模。劳动力成本趋势可由企业工资与地区行业工资比值X6来表示。一般而言劳动成本高的企业，企业会选取机器和技术来取代人力，对于劳动成本低的企业，企业会雇佣更多的人员。

表1 企业人力资源需求预测指标体系

（二）指标的筛选

关键指标指在企业人力资源需求预测中权重较大的指标。不同的企业或企业在发展的不同阶段，人力资源预测的关键指标不同。灰色关联分析可以客观地删选出关键指标。灰色关联分析指定量地比较描述系统之间或系统中各因素之间在发展过程中随时间而相对变化的情况，其基本思路是根据序列曲线几何形状的相似程度来判断其联系是否紧密。曲线越接近，相应序列之间关联度就越大，反之就越小。下面根据上市公司披露的信息和企业调研信息对A企业2003～2010年的相关数据，进行灰色关联分析。

灰色关联系数γ0i越大，反映X0对Xi的影响越大。计算得出 γ0，11，γ08，γ02，γ09，γ0，10的数值较大，选取 5 项关键指标 X11，X8，X2,X9,X10， 即高学历人员比重，劳动生产率，净资产，管理人员比重和科技人员比重。可见人员结构、劳动生产率和净资产对A企业人力资源需求量的影响是很大的。高学历人员比重、管理人员比重和科技人员比重都属于企业人力资源结构范畴，可以看成是知识型员工的构成，知识型员工是掌握科学文化知识和先进技术的生产力代表，其比重与企业人员需求量成反比。劳动生产率对企业人力资源需求量的影响是显著的，它与企业人力资源量成正比。净资产能反映生产规模和生产能力，企业人力资源需求量与企业的规模成正比。A企业属于技术密集型企业，技术对企业的发展至关重要，进而对企业人力资源需求产生了重大影响，这与企业的客观实际情况十分吻合。该企业近年来一直用先进装备改造传统产业，劳动生产率得到了很大提高，总产值难以有效解释企业人力资源需求的变化。另外企业开通广泛的融资渠道，财务反映出的工资支付也无法有效地解释人力资源的需求的变化。而企业人力资源需求的传统预测中，人力资源需求与企业的产量、销售量或者员工工资成本关系密切，因此往往基于以上指标，采用线性回归的方法预测企业人力资源需求量。该方法对反映企业规模扩大带来的人力资源需求变化是简单有效的，但无法体现“科学进步——企业发展——人力资源需求变化”这一关系。随着竞争越来越激烈，企业为重塑竞争优势纷纷推进由劳动密集型向技术密集型的升级转型，传统的预测方法难以满足企业人力资源预测工作的实际需要，人力资源需求预测工作亟须引入新型的预测技术。

二、预测方法的选择

（一）灰色BP神经网络理论

灰色预测理论对样本数据要求较少，并且得到的预测数据可以很好的反映出数据的变化趋势。BP神经网络模型对非线性关系具有很好的学习能力，可以通过网络训练确定指标的权重。灰色BP神经网络是灰色预测模型和BP神经网络模型的组合方法，兼顾了两种模型的优点。它在能源预测、电力负荷预测、水质参数预测中已有运用，但还很少引入到企业人力资源需求预测中。

灰色神经网络预测模型分为并联型灰色神经网络组合模型和串联型灰色神经网络组合模型。并联型组合模型是采用最优组合预测方法求出灰色模型和神经网络模型预测结果，将其加权平均值作为实际预测值；串联型组合模型是将多个灰色模型的预测结果作为人工神经网络模型的输入，利用神经网络的非线性拟合求出各灰色模型的权重。

（二）灰色BP神经网络的计算原理

选用串联型的BP神经网络作为研究工具，其计算原理为：运用灰色预测模型得出关键指标的预测值，并将关键指标的预测值作为神经网络的输入变量，以企业人力资源需求的实际值作为输出变量，来训练BP神经网络。这样处理的优点，一是运用灰色预测模型可以获取关键指标的预测值，为企业人力资源需求预测工作的进一步开展提供数据参考；二是在网络训练完成后，用的预测值来预测的真实值，有效地保持了数据的同质性。

（三）BP神经网络建模原则

三、预测的MATLAB实现

（一）数据提取和灰处理

（二）数据训练

数据输入

（三）网络预测

网络训练完成后，根据2011～2013的关键指标的预测，可以预测出未来3年的。部分源码如下：

数据输入

为验证模型的精确性，将灰色BP神经网络预测值、灰色预测值与员工实际人数进行列表比较，见表2。

四、结果分析与模型评价

（一）评价拟合结果

根据表2的数据，在excel中完成模型拟合图，见图2。

可以看出，灰色BP神经网络预测值与实际值之间有非常好的拟合效果。与灰色模型的预测值相比，预测精度更高。通过灰色BP神经网络模型预测得出企业2011～2013年企业人力资源需求预测值为59574人、58840人、58596人。

表2 两种预测方法结果比较

预测值反映出企业进入平稳发展期，未来3年企业人力资源需求量有少量减少，原因可能是技术对企业发展产生了影响，随着企业对技术的重视，技术人才的比重的加大，带来了劳动效率提高。预测结果反映出的高学历人员比重有所提升，管理人员比重较为稳定，科技人员比重有明显的上升趋势，证实了这一点。

（二）模型的适用性

当企业规模较小，业务和组织结构简单时，传统的预测方法已经能够取得很好的效果。灰色BP神经网络模型实际操作起来较为复杂，不是普适的预测方法。该预测方法适用以下情况：预测成本较大，受到人为因素的阻碍；影响预测的因素过多，感觉预测无法下手；技术对企业发展的影响十分显著。值得说明的是，定量方法往往不如定性方法灵活，为增强预测工作的灵活性，可采取“自上而下”和“自下而上”相结合的方法。在制定具体的人力资源规划时，可以在“自上而下”时运用该方法作为进行预测；在“自下而上”的反馈过程中对预测数据进行修正。

由于数据获取渠道的局限性，预测中没有考虑企业战略和外部因素对人力资源需求的影响，这是本文的不足之处。在企业战略目标和外部影响数据可获取的条件下，不足是可以进一步改善的：一是将预测工作与企业战略规划结合起来，用企业中长期业务计划中的数据代替关键指标的预测值，进行BP神经网络训练和训练，可以使预测过程获得具体业务发展战略和阶段性目标的支持。二是将预测工作与企业外部因素结合起来，搜集企业外部因素的相关数据，如市场需求趋势指数，行业风险指数等，使预测结果更为有效。

1.司听：《预测方法中的神经网络模型》，载《预测》，1998年第2期。

2.华瑶、俞明传、乔志强：《非线性混沌动力学在电力企业人力资源需求预测应用研究》，载《生产力研究》，2009年第18期。

3.刘思峰：《灰色系统理论及其应用》，科学出版社，2008年版。

4.严乐宁、张宁、刘媛华：《系统工程》，机械工业出版社，2008年版。

5.HECHT-NIELSON R,Theory-oftheback propagation neural network [C], Proceedings of the international joint conference on Neural Networks,1989.

6.飞思科技产品研发中心：《神经网络理论与MATLAB 7实现》，电子工业出版社，2005年版。

桂林理工大学）

■责编 韩树杰 Tel:010-68345891 E-mail：hrdhsj@126.com