基于期望值简约的模糊非线性回归

doi:10.3969/j.issn.1000-1565.2018.01.015

河北大学学报(自然科学版) ›› 2018, Vol. 38 ›› Issue (1): 99-104.DOI: 10.3969/j.issn.1000-1565.2018.01.015

基于期望值简约的模糊非线性回归

刘照

收稿日期:2017-06-11 出版日期:2018-01-25 发布日期:2018-01-25
作者简介:刘照(1989—),女,河北保定人,河北金融学院助教,主要从事计算机应用、数据挖掘方向研究. E-mail: liuzhaozhao@sina.com
基金资助:
河北省人力资源和社会保障研究课题(JRS-2016-1085);河北省人才工程培养经费资助科研项目(A2017002116)

Empirical study on a prediction model for the unemployment rate of college graduates based on principal component analysis and BP neural network

LIU Zhao

Financial Synergy Innovation of Science and Technology Center in Hebei Province, Hebei Finance University, Baoding 071051, China

Received:2017-06-11 Online:2018-01-25 Published:2018-01-25

摘要/Abstract

摘要： 针对高校毕业生失业数据的非线性、小样本、高维度特点,采用主成分分析和BP神经网络相结合的方法,构建了高校毕业生失业率预测模型,并借助河北省1995—2016年高校毕业生失业数据进行了实证研究.结果表明,该模型能有效地反映河北省高校毕业生失业率的变化趋势,预测精度高于仅用BP神经网络构建的预测模型.

关键词: 主成分分析, BP神经网络, 高校毕业生, 失业率预测

Abstract: A prediction model for the unemployment rate of college graduates was developed based on principal component analysis and BP neural network, followed by analyzing the unemployment data of college graduates in Hebei province in the years 1995—2016.The results show that the model can effectively reflect the variation tendency of the unemployment rate of college graduates in Hebei province and the prediction accuracy of the model is higher than that of the model only based on BP neural network.

Key words: principal component analysis, BP neural network, college graduate, unemployment rate prediction

中图分类号:

TP183

刘照. 基于期望值简约的模糊非线性回归[J]. 河北大学学报(自然科学版), 2018, 38(1): 99-104.

LIU Zhao. Empirical study on a prediction model for the unemployment rate of college graduates based on principal component analysis and BP neural network[J]. Journal of Hebei University (Natural Science Edition), 2018, 38(1): 99-104.

参考文献

[1] 王先述.基于Cramer法则和ARMA模型的我国高校毕业生就业预测[J].统计与决策, 2010(22):97-99.DOI:10.13546/j.cnki.tjyjc.2010.22.014. WANG X S.Employment forecast of college graduates in China based on Cramer rule and ARMA model[J].Statistics & Decision, 2010(22):97-99.DOI:10.13546/j.cnki.tjyjc.2010.22.014.
[2] 叶苗.大数据分析大学生就业率估计模型仿真[J].计算机仿真, 2016,33(11):183-186. YE M.Big data analysis of college students' employment rate estimation model simulation[J].Computer Simulation, 2016,33(11):183-186.
[3] 沈国琪,陈万明.基于多元线性回归与BP神经网络分析的失业预测建模实证研究[J].工业技术经济, 2014,33(02):103-112.DOI:10.3969/j.issn.1004-910X.2014.02.013. SHEN G Q, CHEN W M.Empirical research on modeling of unemployment forecast-based on multiple linear regression and BP neural network[J].Journal of Industrial Technological Economics, 2014,33(02):103-112.DOI:10.3969/j.issn.1004-910X.2014.02.013.
[4] 李宏,李建武,宋玉龙.基于神经网络集成的失业预警方法[J].经济与管理研究, 2012,(01):89-94.DOI:10.13502/j.cnki.issn1000-7636.2012.01.005. LI H, LI J W, SONG Y L.Unemployment early-warning based on neural network ensembles[J].Research on Economics and Management, 2012,(01):89-94.DOI:10.13502/j.cnki.issn1000-7636.2012.01.005.
[5] OLMEDO E.Forecasting Spanish unemployment using near neighbour and neural net techniques[J].Computational Economics, 2014,43:183-197.DOI:10.1007/s10614-013-9371-1.
[6] STASINAKIS C, SERMPINIS G, THEOFILATOS K, et al.Forecasting US unemployment with radial basis neural networks, Kalman filters and support vector regressions[J].Computational Economics, 2016,47:569-587.DOI:10.1007/s10614-014-9479-y.
[7] 邹治.高校毕业生失业预警系统研究[D].南京:南京航空航天大学, 2012. ZOU Z.Research on early-warning system of unemployment of college graduates[D].Nanjing:Nanjing University of Aeronautics and Astronautics, 2012.
[8] TRAPPEY A J C, TRAPPEY C V, MA L, et al.Intelligent engineering asset management system for power transformer maintenance decision supports under various operating conditions[J].Computers & Industrial Engineering, 2015,84:3-11.DOI:10.1016/j.cie.2014.12.033.
[9] 刘英华.基于主成分分析与BP神经网络的网络流量预测[J].激光杂志, 2015,36(06):151-153.DOI:10.14016/j.cnki.jgzz.2015.06.151. LIU Y H.Network flow prediction based on principal component analysis and BP neural network[J].Laser Journal, 2015,36(06):151-153.DOI:10.14016/j.cnki.jgzz.2015.06.151.
[10] 王小川,史峰,郁磊,等.MATLAB神经网络43个案例分析[M].北京:北京航空航天大学出版社, 2013. WANG X C, SHI F, YU L, et al.Analysis of 43 cases based on MATLAB neural network[M].Beijing:Beihang University Press, 2013.
[11] KARDAN A A, SADEGHI H, GHIDARY S S, et al.Prediction of student course selection in online higher education institutes using neural network[J].Computers & Education, 2013,65:1-11.DOI:10.1016/j.compedu.2013.01.015.
[12] 付艳茹.基于BP神经网络的高知识群体失业率预测研究[J].吉林师范大学学报(自然科学版), 2012,33(02):125-129.DOI:10.16862/j.cnki.issn1674-3873.2012.02.036. FU Y R.Research on forecast unemployment rate of high knowledge group based on BP neural network[J].Journal of Jilin Normal University(Natural Science Edition), 2012,33(02):125-129.DOI:10.16862/j.cnki.issn1674-3873.2012.02.036.

[1]	王华英,孙海军,张雷,王学,黄艳宾,郭海军. 基于神经网络的磁场定位技术[J]. 河北大学学报(自然科学版), 2022, 42(6): 657-664.
[2]	牛晓颖,牟晓晴,孙杰,张春江,赵志磊,田特. 基于营养成分和主成分分析的驴肉与其他肉类分类研究[J]. 河北大学学报(自然科学版), 2022, 42(5): 483-493.
[3]	李瑞凯,侯凯旋,张丽娜,娄存广,刘秀玲. 基于太赫兹时域光谱的3种中药材真伪鉴别[J]. 河北大学学报(自然科学版), 2020, 40(4): 379-384.
[4]	李艳坤,贾明静,王涵. 中红外光谱法结合化学计量学对柏子养心丸和牛黄解毒丸的分析[J]. 河北大学学报(自然科学版), 2018, 38(3): 262-267.
[5]	高学伟,付忠广,孙力,张刚. 基于Hadoop分布式支持向量机球磨机大数据建模[J]. 河北大学学报(自然科学版), 2017, 37(3): 309-315.
[6]	夏立娅,李小亭,李晓杨,张晓瑜,尹洁璇. 矿物元素结合簇类独立软模式法对冬枣产地判别模型的优化[J]. 河北大学学报(自然科学版), 2016, 36(4): 374-379.
[7]	刘秀玲,杜海曼,吕方飞,陈飞,刘明. 基于混沌特性和BP神经网络的室性早搏的自动诊断[J]. 河北大学学报(自然科学版), 2014, 34(4): 427-433.
[8]	肖仙谦,朱俊平,景旭,马巧娥. 基于贝叶斯方法的单分类入侵检测技术[J]. 河北大学学报(自然科学版), 2014, 34(1): 7-13.
[9]	李凯,徐治平. 一种基于半监督学习的2DPCA人脸识别方法[J]. 河北大学学报(自然科学版), 2013, 33(4): 413-419.
[10]	翟俊海,翟梦尧,王华超. 基于小波变换和2DPCA的人脸识别[J]. 河北大学学报(自然科学版), 2010, 30(5): 574-579.
[11]	井爱芹,马寨璞,赵建华,吴玲,石长灿,张春泉. 甲壳动物免疫力综合指标定量研究[J]. 河北大学学报(自然科学版), 2010, 30(4): 400-407.
[12]	田华,石圣羽,宗晓萍. 基于不变矩特征及BP神经网络的图像模式识别[J]. 河北大学学报(自然科学版), 2008, 28(2): 214-217.
[13]	李凤超,刘存歧,管越强,刘炜炜,康现江. 应用多元分析方法评价白洋淀水质现状[J]. 河北大学学报(自然科学版), 2006, 26(4): 405-410.
[14]	李凯,崔丽娟,黄厚宽. 一种新的支持向量机分类器的设计方法[J]. 河北大学学报(自然科学版), 2002, 22(4): 316-321.

基于期望值简约的模糊非线性回归

Empirical study on a prediction model for the unemployment rate of college graduates based on principal component analysis and BP neural network

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 14

编辑推荐

Metrics

本文评价