基于BP神经网络的河南省旅行社人力资源危机预警模型研究

2014-04-29耿莉萍

中国管理信息化 2014年3期

耿莉萍

[摘要] 近些年，河南省旅游业的快速发展，旅行社数量迅速增加，经济效益不断增长，同时，旅行社行业对高素质人员的需求也在上升。但是河南省旅行社行业整体管理水平偏低，旅行社人力资源抗风险能力不足。本文基于BP神经网络，构建了河南省旅行社人力资源危机预警模型，这对于河南省旅行社人力资源管理水平提升具有积极意义。

[关键词] BP网络；旅行社；人力资源危机；预警模型；危机识别

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2014 . 03. 034

[中图分类号] F272.92 [文献标识码] A [文章编号] 1673 - 0194（2014）03- 0074- 05

人力资源危机在旅行社行业吸引人才、培养人才、留住人才的各个环节都有体现，影响旅行社行业人力资源管理的效果，影响旅行社行业的稳定与发展。因此，如何对旅行社行业人力资源危机状况进行评判，进而采取应对措施，是当前旅行社行业人力资源管理的一个迫切任务。本文引入人工神经网络中的BP网络，构建河南省旅行社人力资源危机预警模型，以期提早应对危机。

1 BP网络简介

BP网络由一个输入层、若干隐含层和一个输出层构成，是一种具有3层或者3层以上结构的多层神经元网络，网络中的神经元分层排列，它的左、右各层之间各个神经元实现全连接，即左层的每一个神经元与右层的每个神经元都有连接，而上下层各神经元之间无连接。每一层内神经元的输出均传送到下一层，这种传送由连接权来达到增强、减弱或抑制的作用，除了输入层的神经元以外，隐含层和输出层神经元的净输入是前一层神经元输出的加权和。每个神经元均由它的输入、活化函数和阈值来决定它的活化程度。在人工神经网络的实际应用中，80%～90%的模型是采用BP网络或它的变化形式。BP网络可以有多层，但前向三层BP网络最具代表性，应用也最为广泛。

2 基于BP网络的河南省旅行社人力资源危机预警模型的构建

2.1 构建旅行社人力资源危机预警指标体系

人力资源危机预警指标体系由一系列能敏感反映人力资源管理活动状态和结果表现的指标构成。笔者通过分析河南省旅行社人力资源危机现状，遵循灵敏性、科学性、可测度性、相对独立性、预见性和可比性等原则，筛选出独立性较强、代表性较强和贡献性高的最小评价指标体系，本文借助了专家打分的方法，各指标的具体值域范围见表1。

2.2 建立基于BP网络的旅行社人力资源危机预警模型

2.2.1 用主成分分析法对模拟数据进行预处理

根据表1，本文共模拟了8组数据（见表2），以建立基于BP网络的河南省旅行社人力资源危机预警模型。

对表2中的极小值指标（如员工隐性流失率等）先取倒数，再利用SPSS统计分析软件进行主成分分析，所得结果见表3。

本文共提取出6个公共因子，其特征值的方差贡献率累积达到了96.044%（通常情况下，累积贡献率达到85%即可）。本文选择参数0.65作为划分主要、次要指标的载荷系数临界值，以满足下一步研究的要求。最后得到由10项指标构成的新的人力资源投资风险预警评价指标体系，如表4所示。

2.2.2 BP网络模型输入节点的选择

根据 Kolmogorov定理（即映射网络存在定理），一个三层BP网络即可在任意希望的精度上实现任意的连续函数。因此，本研究中采用三层BP网络模型。影响旅行社人力资源危机度的评价因子主要有人才引进率、招聘引进员工胜任度等10个，因此，可确定BP网络的输入层节点数为10。

本文选择上述简化后的10项指标作为BP模型的输入节点。由于BP神经网络的隐层一般采用Sigmoid转换函数，为提高训练速度和灵敏性以及有效避开Sigmoid函数的饱和区，一般要求输入数据的值在0～1之间。因此，需要对输入数据进行预处理。

进行输入节点的输入时，需要先对原始的模拟数据进行归一化处理，将它们转化为闭区间[0，1]上的无量纲性指标值。本着尽可能体现被评价对象之间的差异化原则，即使其离差平方和最大的原则，本文采用了极值处理法进行归一运算：

若Mj = max{xij}，mj = min{xij} 则x′ij = ■

式中，xij为原始数据，x′ij∈[0，1]为归一化后的无量纲性指标，其归一化结果见表5。

2.2.3 BP网络模型隐层节点的选择

对于隐层节点的选择是一个非常复杂的问题，因为神经网络巨量并行分布的结构和非线性的动态特性决定了从理论上得到一个简单通用的简洁解析表达式或隐层单元确定公式是十分困难的，甚至是不可能的。隐层节点数的选择与问题的要求和输入输出单元的多少都有直接关系：如果隐节点数过少，网络不强壮，就不能识别以前没有看到的样本，容错性就差，或由于网络太小可能训练不出来；但隐节点太多又会使学习时间过长，误差也不一定最佳。因此，必定存在一个最佳的隐节点数，可用公式q = ■ + a作为参考。其中，q为隐含节点数，m为输入神经元数，n为输出神经元数，a为1 ～ 10之间的常数。

为使隐节点数更合适，本文将根据网络的实际输出与期望输出矢量的均方误差大小及训练步数的多少来综合确定，最终隐含节点选为9，其模型训练精度最佳，训练步数也最少。

2.2.4 BP网络模型输出节点的选择

从表5中选出对应于新预警评价指标体系的数据再次进行主成分分析，步骤同前，所得结果如表6所示。

本文共提取出4个公共因子，其特征值的方差贡献率累积达到92.232%。它们共同决定旅行社人力资源危机的状况。

公因子1上载荷值大于0.65的指标有：招聘引进员工胜任度、培训与员工需求吻合度、员工对评价制度和使用制度的满意度，涉及旅行社人力资源危机的多个部分，可称之为“综合因子”；公因子2上的载荷值大于0.65的指标有：人力资本投资收益率、病假发生率，可称之为“员工发展与保健因子”；公因子3上的载荷值大于0.65的指标有：员工对激励机制的满意度、缺勤率，可称之为员工“价值取向因子”；公因子4上的载荷值大于0.65的指标主要有：员工离职增长率，主要是对员工流失指标的反映，可称之为“员工流失因子”。

第一，计算各公因子的得分。由于在查找旅行社人力资源危机风险因素提出对策时，通常只研究各公共因子上的主要载荷指标，而不考虑其他冗余指标。因此，为使警情分析输出更精确，从而能更准确地分析旅行社人力资源危机风险的内容，更有针对性地提出人力资源危机预警对策，本文忽略各公因子内部的冗余指标（载荷系数小于0.65的指标），只根据主要指标（载荷系数大于等于0.65的指标）的载荷系数，通过下列算式来计算各公共因子得分：

FP1 = ■

FP2 = ■

FP3 = ■

FP4 = ■ = t34

式中，tij是表中指标Xij均值为0、标准差为1的标准化变量；p为数组序号，p = 1，2，…，8。？摇

第二，以各公共因子的方差贡献率占4个因子总方差贡献率的比重作为权重进行加权汇总，得出各数组的最终因子综合得分Fp：

Fp = ■

通过综合因子Fp（见表7）来反映旅行社人力资源危机程度，据此制定相应的防范策略。BP网络最后一层的传输函数Purelin使得网络输出可以是任意值，因此，本文将旅行社人力资源危机预警层次设置为4个级别，如表8所示，BP网络的输出层节点数为4，代表不同的旅行社人力资源危机等级，即安全、基本安全、风险和较大风险，4个等级对应的标准输出分别为[1000]、[0100]、[0010]、[0001]。

依前分析输出节点选择4个，10组输出的4个端子的数值就对应于10组人力资源危机预警指标数据所反映的旅行社人力资源危机状况。

结合旅行社人力资源危机的表现形式，本文提出了以下人力资源危机等级所对应的标准（见表8）。

Ⅰ级状态：旅行社人力资源各方面管理良好，没有明显危机迹象，处于安全状态，但仍需注意各方面的情况，防止突发性危机的出现。

Ⅱ级状态：旅行社人力资源各方面正常，基本看不出什么问题，不过需要提前采取相应措施以提防潜在危机和突发性危机的发生。

Ⅲ级状态：旅行社人力资源出现危机，会带来一定的损失，但不明显，会对旅行社人力资源各方面造成一定负面影响。

Ⅳ级状态：旅行社人力资源出现严重危机，对人力资源各方面造成非常明显和严重的影响，甚至导致旅行社倒闭。

综上所述，本文建立的BP网络人力资源危机预警模型的构造为：10 × 9 × 4（即10个输入神经元，9个隐层神经元，4个输出神经元）。

3 基于BP网络的旅行社人力资源危机预警模型的训练和检测

本文采用MATLAB工程计算软件的神经网络工具箱设计、训练并检测已建立的BP神经网络预警模型。

3.1 基于BP网络的旅行社人力资源危机预警模型的训练

本文将表6归一化后的前6组指标值作为BP网络的输入，由表7确定的风险程度矩阵作为与之相对应的期望输出，导入MATLAB的图形用户界面——GUI（Graphical User Interfaces），即可创建网络进行训练。主要训练参数设置如下（未提及的参数均采用默认值）。

（1）训练函数：TRAINLM函数，它适用于中、小规模网络的函数拟合问题，收敛快，收敛误差小。