基于灰色—RBF神经网络的湖北省智能制造业人才需求预测.pdf

Vo l.19 No.4Dec.2022第19卷第4期2022年12月河北交通教育Heb ei Tra c Educa t io n文章编号:JiL1100161(2022)04-0047-05基于灰色一RBF神经网络的湖北省 智能制造业人才需求预测胡哲文俅佛士设计培训学院广州510510）摘 要 本文在运用层次分析法得出影响智能制造业人才需求的关键因素基础上，采用 灰色预测和RBF神经网络相结合的预测方法，预测了 2023年-2030年湖北省智能制造业人 才需求总量，得出2025年-2030年总量相对稳定，约446万多人。并对预测结果进行了分 析，提出了解决人才缺口建议。关键词湖北省智能制造业人才需求预测中图分类号 C964.2 文献标识码 ATalent Demand Prediction of Intelligent Manufacturing Industry in Hubei Province Based on Grey RBF Neural NetworkHu Zhewen(Ra ffl es Design Tra ining Inst it ut e,Gua ngzho u 510510)Abstract:Ba sed o n t he key fa ct o rs a ffect ing t he dema nd b y hiera rchica l a na l ysis,t his pa per fo reca st s t he t o t a l t a l ent dema nd o f t his sect o r in t he pro vince fro m 2023 t o 2030,co mb ining t he met ho ds o f grey predict io n a nd RBF neura l net wo rk.It sho ws t ha t t he dema nd t o t a l s a b o ut 4.46 mil l io n fro m 2025 t o 2030,rel a t ivel y st a b l e.Suggest io ns a re a l so pro po sed t o meet t he t a l ent ga p b a sed o n t he resul t s.Key words:Hub ei pro vince;int el l igent ma nufa ct uring indust ry;t a l ent dema nd;predict io n引言2015年12月造2025湖北行动纲要指出“湖北必须抢抓机遇，顺势而为，主动融入国家战略，坚定不移推进由制 造大省向制造强省转变，力争在新一轮发展中抢占 先机、赢得主动、赢得未来。”要给湖北智能制造 业快速、持续发展提供人才保障，做好人才需求预 测工作是基础。本文首先运用层次分析法分析出湖北省智能 制造业人才需求的主要影响因素，然后采用灰色预 测和RBF（径向基函数）神经网络相结合的方法，预测出2023年-2030年智能制造业人才需求总量及 主要影响因素对人才需求的影响。1 基于层次分析法的湖北省智能制造业人 才需求影响因素分析为了利用RBF神经网络预测湖北省智能制造业 人才需求总量，首先确定主要影响因素及其权重，从而得到RBF神经网络预测的自变量。收稿日期：2022-04-06作者简介：胡哲文，男，1981,副教授。主要研究方向：教育。48河北交通教育2022 年1.1智能制造业人才需求影响因素体系的确定通过广泛的调研和咨询专家，确定影响湖北 省智能制造业人才需求总量的因素主要包括政策、经济、社会三个方面，每个因素都有若干子指标。政治因素主要是国家政策、劳动力管理相关法令法 规。经济因素包括地区生产总值、智能制造业从业 人员数量、固定资产投资额、行业性质等。社会因 素包括人口因素、教育水平及劳动力供求三个方 面，人口因素包括人口总数、人口密度、人口结构 等；教育水平指的是学历层次、技能水平等，进一 步分析得到能制造业人才需求影响因素指标体系,建立如表1层次结构模型。表1智能制造业人才需求影响因素层次结构模型 目标层(O)指标层 子指标层智能制造 业人才需 求影响因 素层次结 构模型A政策因素A1政策法令B1地区生产总值b2智能制造业固定资产投资B经济因素B3智能制造业从业人员数量B4智能制造业总产值B5智能制造业行业性质C1人口规模C社会因素C2C3C4学历层次 技能水平 劳动力供给1.2模型的求解对于以上层次结构模型，先构造判断矩阵，再利用MALAB编程求出指标层对目标层和子指标 层对指标层的权重并进行一致性检验。利用菲尔德法对指标的重要性进行对比并利 用Sa a t y等人提出1-9尺度给出数值，得到如下判断 矩阵。1.2.1指标层对目标层的判断矩阵为：1 1/4 1/25 1 32 1/4 1权向量为 W=(0.1341,0.6518,0.2142)1，一 致性 比率为CRi=0.01190.1。1.2.2(1)子指标层BB,对指标层B的判断矩阵为：13342 一1/3121/231/41/211/31/21/323121/21/331/21权向量为：W”=(0.3957,0.1778,0.0739,0.2199,0.1328)T,致性比率为CR-0.10130.1 o子指标层G-G对指标层c的判断矩阵为：1 2 2 4_1/2 1 1 21/2 1 1 31/3 1/2 1/3 1权向量为：W23=(0.4333,0.2167,0.2428,0.1073)T,致性比 率为 CRO.OQOVM。从上面结果可以看出，各层均通过组合一致 性检验。通过计算，整个层次结构模型的组合一致 性比率为CR=-0.0597社会因素政治因素，尤其是经济因素，权重达到 0.6518,测时主要考虑因素，符合我国经济发展特点；(2)子指标层权重较大的是湖北省地区生产总 值、智能制造业固定资产投资额、智能制造业总产 值，说明这些因素与智能制造业人才需求量密切相 关。因此，本文选择湖北省地区生产总值、智能制 造业固定资产投资额、智能制造业总产值这三项关 键影响因素作为利用RBF神经网络预测智能制造业 人才需求总量时的自变量，预测出湖北省智能制造第4期 胡哲文：基于灰色一RBF神经网络的湖北省智能制造业人才需求预测49业中长期人才需求。业转型阶段，本文所需智能制造业相关数据与制造 业相关数据相同。2 关键影响因素值的GM（1,1）灰色预测统计年鉴还未发布）,得到三个关键影响因素和制2.1原始数据的查阅与处理 造业从业人员数量值如下表3所示。基于湖北省目前处于传统制造业向智能制造表3三个关键影响因素与制造业从业人员数量值年份地区生产总值（亿元）制造业固定资产投资额（亿元）制造业总产值（百万元）制造业从业人员数（人）201016226.943244.4319334.312256281201119942.454759.9025422.212778580201222590.896484.8330278.732825063201325378.018219.2636221.963262905201428242.139633.9740330.33326015201530344.0010783.1642770.513312131201633353.0010522.404245809.57339824620173723511257.4842773.663365697201842021.9512163.9042721.063349807201945428.9613380.2944339.863374241202043443.460510102.1239886.072568094由上表数据可以看出，2020年的相关数据均 有明显的下降，这与新冠疫情的影响密不可分，考 虑到新冠疫情对经济发展的影响是短期的，疫情期 间各行业相关经济数据受政策调控和疫情影响较 大，所以在进行预测时，去除相关影响年份的数 据，影响年份以三年为期，即去除2020年的数据，不预测2021年和2022年的相关数据，预测时间区间 为2023年一2030年。2.2 GM（1,1）灰色预测模型的建立与求解灰色系统理论主要通过对“部分”已知信息 的生成、开发，提取所需的信息，完成对系统一定 范围内变化的与时间有关的灰色过程进行相关预测 和有效控制。它的基本思路是将系统观测到的数据 序列按照某种规则，通过累加生成新的序列，来降 低系统的灰度，进而发现系统潜藏的有序规律，构 建模型。灰色系统常用的模型有单变量一阶模型和 多变量一阶模型。本文所采用的灰色系统模型是单 变量一阶模型，即GM（1,1）模型。2.2.1 GM（1,1）总值计算结果均由MATLAB编程运行得到。2010 2019和相对误差值如下表4。表4湖北省地区生产总值原始值与模拟值年份原始值预测值残差相对误差（）201016226.9416226.9400201119942.4520418.4124475.96242.3866201222590.8922580.94139.94870.0440201325378.0124972.5053405.50471.5978201428242.1327617.3614624.76852.2121201530344.0030542.3363198.33630.6536201633353.0033777.0974424.09741.271520173723537354.4544119.45440.3208201842021.95413106.9190711.25801.6925201945428.9645685.9374256.97730.565650河北交通教育2022 年由表4可以看出所有预测结果的相对误差均小 于0.1,预测结果很好。利用公式C=SS（Sl残差序列均方差，S2-C0.35,后验差C=0.02590.35,所以模型精度为“优”。由以上检验结果可以看出，可以用预测模型 对湖北省20232030年地区生产总值进行中长期预 测，预测结果见表5。2.2.2 制运用同样的方法对2023年一2030年制造业固 定资产投资额和制造业总产值进行预测O通过运行MATLAB程序，可得制造业固定资 产投资额灰色预测的后验差检验数为 0.16800.35,2010年一2019年原始值与预测值的相 对误差只有2011年大于0.2,其余均小于0.12,预测 结果较好，可以用来进行中长期预测。对于制造业总产值灰色预测的后验差检验数 为0.21650.35,2010年一2019年原始值与预测值的 相对误差只有2011年大于0.2,其余均小于0.11,预 测结果总体较好，可以用来进行中长期预测。三个主要影响因素预测结果如下表5。表5运用灰色模型GM（1,1）预测的三个主要影响因素值W 地区生产总值（亿元）固定资产投资额（亿元）制造业总产值（亿元）202350524.568315224.527550239.8588202455875.66216747.638752940.1480202561793.494218423.127155785.5721202668338.088220266.236658783.9318202775575.824922293.736961943.4473202883580.115524524.074965272.7802202992432.146426977.543168781.05802030102221.702429676.464372477.89843 智能制造业人才需求RBF神经网络预测在本次智能制造业人才需求预测中，已知年 份的制造业从业人员数作为人才需求数。3.1 RBF神经网络RBF 神：函数的逼近，任何函数都可以表示成一组基函数的 加权和，也即选择各隐藏神经元的传输函数，使之 构成一组基函数来逼近未知函数。RBF人工神经网 络由一个输入层、一个隐含层和一个输出层组成。输入层为信号源节点，输出层输出的是隐单元的线 性加权。3.2智能制造业人才需求RBF神经网络预测3.2.1将表3、表5的数据利用式子t=2（t-t韵-t込-1 0变量。3.2.2网络的训练与运行下面利用MATLAB提供神经网络工具箱实现 人工神经网络。由于人才需求预测中自变量有3个（湖北省地区生产总值、制造业固定资产投资额、制造业总产值），因变量有1个（制造业人才需求 总数），输入神经元的个数取为3,输出神经元的 个数取为1,RBF网络会在训练过程中自适应地取 定中间隐含层神经元的个数。将表3中2010年一2018年规格化处理后的数据 作为训练样本。以2019年的数据进行预测检验，求 出相对误差。再将表5中2023年一2030年的三个主 要因素预测值规格化处理后，输入已经训练好的 RBF神经网络，并用语句卩=$皿加切）输出预测值，最后将输出的预测值进行返规格化处理，得到湖北 省智能制造业人才需求预测值。del t a 1=a b s（a（4,10）-y1）/a（4,10）%计算 RB F 网络 预测的相对误差运行MATLAB程序得到2019年预测值为33927 3.8043,相对1Ml l del t a 1=0.55%,远小于0.1,预测精 度较高。得到20232030年智能制造业人才需求预测 值如下表6。第4期 胡哲文：基于灰色一RBF神经网络的湖北省智能制造业人才需求预测51表6 20232030年智能制造业人才需求预测值202320242025 2026 2027 202820292030预测值3830969.74864195629.40514408256.8794 4461438.2726 4466646.1802 4466816.94824466818.44784466818.45043.2.3 预综合表3、表5和表6的数据作折线图如下图1、图2(年份1-18依次为2010年一2019年,2023 年一2030年)o图1三个主要影响因素值变化图制造业人才需求值图2制造业人才需求值变化图主要影响年份，三个主要影响因素的数值随 着年份的延伸总体呈现上升趋势，而在三种主要影 响因素作用下的智能制造业人才需求总量随着年份 的延伸从2025年-2030年开始增长幅度较小，逐步 趋向平衡，这是符合实际情况的，随着经济的发 展，传统制造向智能制造的转化，制造业企业将由 劳动密集型向技术密集型转化，所需从业人员数将 相对稳定。但技术技能型人才需求量将大幅增加，据制造业人才发展规划指南统计，预计到 20253000对较大，所以各级政府、企业和相关院校都应该重 视智能制造业人才的培养，发挥湖北省丰富的院校 资源优势，同时加强智能制造业的就业宣传，助推 湖北省智能制造业快速发展。参考文献1 司守奎，孙玺菁.数学建模算法与应用(第3版)M.国防工 业出版社,20212 梁丽华，李继冉.浙江制造业转型升级背景下技术技能人才 需求研究J.物流技术,2020,(04)刘 饥,向叙昭.智能制造与湖北制造业智能化转型指向J.社会科学动态,2021,(07)4刘备，任栋.基于小波变换与RBF神经网络的GNSS水 汽值预测研究几大地测量与地球动力学,2021,(12)(上接第12页)“海丝”沿线国家的职业院校联合举办职业技能竞 赛和学术研讨会；面向“海丝”沿线国家招收来华 留学生；向“海丝”沿线国家提供职业教育的专业 教学标准、课程标准和教师、教材、教法等优质教 学资源；职业院校与承揽海外大型工程的企业联合 建立国际化人才培养基地，培养适应中资企业走出 去要求的高素质技术技能人才，服务“一带一路”国家产能和装备制造合作，助力沿线国家的民心相 通。总之，要推进泉州“海丝”先行区建设走深 走实，高职院校应不断探索培养能够服务“海丝”先行区建设的国际化人才新路径，实现高职教育服 务社会的使命。参考文献1 郑亚莉，魏吉,张海燕，等.高职院校复合型国际化人才培 养的问题与路径J.中国高教研究,2021,(12)2 宋 艳，李向红.“一带一路”背景下高职院校国际化人才 培养模式创新探讨J广西教育,2020,(27)3 吴婷.高职教育国际化人才培养存在的问题与策略研究J.职业教育研究,2020,(06)