基于时间规律的就业市场人才需求分析及预测

林宗彬

摘要：人才是城市发展的原动力，根据城市历史人才状况从而分析并判断未来人才发展和流动趋势，对调整城市发展战略，部署人才引进政策具有极其重要的实践意义。本文运用某市就业市场的工作需求数据，对某市人才需求模型进行建模和分析，结合中国发展实际形势分析得到某市实际的人才需求模型并预测出某市未来几年的潜在人才需求情况。

关键词：时间规律；就业市场；人才需求；分析预测

1.引言

人才是城市创新发展的原动力。现在经济环境变动迅速，资本、原料、一般劳动力等因素对经济发展的影响整慢慢的减弱，相对的，高技术人才的重要地位越来越凸显。人才资源可以用更短的时间学习更好的技术，制造更好的产品，掌握更好的管理方法。所有的新观点、新产品、新技术都根源于人才，根源于有知识、有能力、积极进行创新和变革的人。

自2017年以来，一场人才争夺战，在各大城市间大面积爆发，西安、长沙、南京等城市，纷纷提出宽松落户、就业创业激励、优惠住房政策等政策。2018年的政府工作报告指出，鼓励海外留学人员回国创新创业，拓宽外国人才来华绿色通道。可以预见，中国各地面向全球招揽人才的态势将一直持续下去。

2.基于遗传算法的BP网络时间序列预测模型

在人才需求量预测中，前馈网络是最常使用的神经网络。在这种情形下，从数学角度看，网络成为输入输出的非线性函数。如某个人才需求量序列数据为 进行其预测可用下式描述：

（1）

人才需求量预测即是用神经网络来拟合函数 ，然后预测未来值。

BP神经网络（反向传播网络back-propagation network）是目前应用最广泛的一种神经网络模型，可以用它来作为时间序列的预测模型。网络由输入层、隐层和输出层组成，通常采用BP学习算法进行网络的训练。隐层可以有一层或多层，本文采用含有一层隐层的BP神经网络。BP神经网络BP学习算法步骤如下：

步骤1 输入过去几年人才需求量的训练样本，经过网络的计算求出输出预测值；

步骤2 将输出值和理想值进行比较，求出误差值；

步骤3 根据误差调整神经网络的个权值。

重复步骤1-3直至误差值满足精度要求。

遗传操作完成后，取在整个遗传操作中得到的最优数据作为神经网络的初始权值，然后按上节所述利用BP算法对神经网络进行训练，求出最优解。

3.基于时间规律的就业市场人才需求分析及预测

首先对每个月的招聘需求数据进行整合，并绘制出招聘需求與时间的曲线，由图分析可得，招聘需求随月份呈现周期变化规律。

故本文采用时间序列分析ARIMA模型探究招聘需求随月份的变化规律，并预测未来三年A市招聘需求的变化情况。根据预测结果，分析可得某市未来三年招聘需求的总数略有减少。这种情况的产生可能由两方面原因造成：一方面，某市在引入创新型人才阶段中提高了对求职者的受教育程度，导致了基础人才的流失；另一方面，因为近年来，大学生出现的一些新的择业倾向（参加村官考试、参加公务员考试、开办自己的企业、从事离职工作、出国留学等），影响了某市未来三年招聘需求的总数。

接着，将不同部门对应的需求总量数据按月份进行数据整合，由于篇幅有限，本文只选择了一组组具有代表性的部门绘图结果进行展示，如图2所示：

分析可得，不同部门对应的需求总量数据与月份存在同样的周期变化规律，故采用模型对未来三年的某市各 部门的需求总量进行分析与预测。预测结果如图3所示。

根据图3的预测结果，分析可得在未来三年内，部分部门呈现出增长状态，例如：Electronics/appliances/semiconductor/instrumentation/Engineering/machinery/energy等；也有部分部门呈现负增长状态，例如：Sales management，HR等。总的来说，管理与经济类、计算机类略有下降，工程类、艺术类和服务类稍有上升。

结语：

总而言之，当今社会发展对“人才”这以概念提出了不一样的要求，只有牢牢抓住发展的契机，把自己打造成一个适应社会发展的高精尖人才，才能更好地适应时代地潮流。同时，学校也要面向工作地机制培养人才，做到学校与社会完美对接。

参考文献

[1]王立敏.人才市场需求预测模型的研究与应用[D].河北师范大学，2013.

[2]魏渊博.实习护生就业意向影响因素的Logistic回归分析[J].卫生职业教育，2018，36（8）：40-43.

[3]丁明磊.美国STEM教育计划对我国科技创新人才培养的启示及建议[J].全球科技经济瞭望，2015，（7）：17-21.

（作者单位：山东大学（威海））