人力资源需求预测模型的优选[1]灰

第 32卷第 6期 华 北 电 力 大 学 学 报 Vol.32, No.6 2005年 11月 Journal of North China Electric Power University Nov., 2005 收稿日期：2005-08-23. 基金项目：国家社会科学基金重点资助项目（02AJY004）; 河北省社会科学基金资助项目（200402044）. 作者简介：何永贵 (1961－), 男, 华北电力大学工商管理学院教授. 人力资源需求预测模型的优选 何永贵 1，韩月娥 1，杨实俊 1，张振刚 2 （1. 华北电力大学工商管理学院，河北保定 071003；2. 邯郸供电公司欣和电力建设有限公司，河北邯郸 056035） 摘要：鉴于企业人力资源需求系统的复杂性和非线性的特征，首先分别运用多元线性回归、灰色预测和神 经网络对某供电企业的人力资源需求进行预测。然后进行误差分析和比较。最后从中优选出理想的预测方 法。结果表明该优选的模型可以作为该供电公司人力资源需求预测的有效工具。 关键词：多元线性回归；灰色预测；神经网络；人力资源规划；人力资源需求预测 中图分类号：F272.92 文献标识码：A 文章编号：1007-2691 (2005) 06-0080-04 Optimum model for human resource demand forcast HE Yong-gui1, HAN Yue-e1, YANG Shi-jun1, ZHANG Zhen-gang2 (1. School of Business and Administration, North China Electric Power University, Baoding 071003, China; 2. Xinhe Electric Power Construction Co., Ltd., Handan Power Supply Company, Handan 056035, China) Abstract: According to the complexity and non-linearity of human resource demand system, the multiple regression, grey forecast and neural network are applied to forecast human resource demand of a power supply company. The errors are analyzed and compared. The optimum model is studied. The result shows that this model is valid. Key words:multiple regression;grey forecast;neural network;human resource plan;human resource demand forecast 引 言 人力资源需求预测是人力资源规划的重要环 节，它可以及早发现企业的人力不足或人浮于事的 现象。而准确的预测是建立在科学的预测技术基础 之上的。基于供电公司的历年人员数量与输电线路、 变电总容量、售电量等指标的变化量并无正相关的 关系，即使是工作量增加了，但由于技术水平、管 理水平和职工的素质不断提高，导致所需人员的数 量却是下降的，即公司职工的生产能力在不断提高。 所以在对供电公司人员需求进行预测时，建立科学 的预测模型可使许多有用的经济信息得到有效的利 用，并更能得到趋于正确的预测结果。本文根据供 电公司人力资源需求特点及模型特点，构建了多元 线性回归预测模型、灰色预测模型和神经网络预测 模型，通过比较试优选出预测精度较高的模型。 1 多元线性回归模型 回归分析是处理变量之间相关关系的数学工 具，是数理统计的方法之一。它可以帮助人们从一 组实验数据出发，分析变量间存在什么样的关系， 建立这些变量间的经验公式（回归方程），并进行 相关的回归分析。 (1) 考虑到影响某供电公司人员数量的因素有 很多，本文根据实际问题的专业知识主要选取了时 间、售电量、工资增长率和生产技术 4个指标。但 “生产技术”这一定性因素量化的难度较大，经慎 重考虑和咨询相关专家后，选择了公司的“研究开 何永贵等：人力资源需求预测模型的优选第 6期 81 发资金投入占公司生产总值的比例”（简称“研发 资金投入率”）来替代“生产技术”。经过计算验证 时间与售电量、研发资金投入率具有高度相关性， 因此舍去此因素。运用售电量、工资增长率和研发 资金投入率 3个因素建立多元回归模型： y=b0+b1x1+b2x2+b3x3， 式中y为公司人员数量。 根据公司近十年的人员统计数及各指标的数值 利用 Excel 软件“工具”中的“数据分析”里的 “回归”选项，可以很快地计算出如下结果, 即回 归模型为 y=3 405.1 5.99x1+1.69x2 79.46x3。 (2) 为了确定变量之间的线性关系，采用线性 假设的 F检验和 t检验。 建立 F统计量： F= QE/3Qe/ n 4 F 3,n 4 ， 式中QE= i=1 n ‹ yi y 2 ；Qe= i=1 n yi ‹ yi 2。 若F F 3, n 4 ，则拒绝 H0，即认为线性回 归显著。 结果为：F=221.48，当 =0.05 时，F0.05 4 1, 10 4 =4.76，说明回归方程总体上效果非常显著。 建立 t统计量： tj= ‹ bj Cj j Qe/ n 4 t n 4 ，j=0,1,2,3 。 若 tj t /2 n 3 ，则拒绝H0，即认为bj显著的不 等于零，也即自变量 xj 对 y 有显著影响。结果为 t0=114.236 6，t1= 17.475 8，t2=2.898 1，t3= 3.177 2。当 =0.05时，t0.05/2 10 4 =2.447，因为t0,t1,t2和t3 的绝对值均大于 2.447，显然参数估计值通过检验， 在统计上是显著的，可以认为售电量、工资增长率和 研发投入率对该公司的人员数量有显著影响。 (3) 由以上模型，并且经过 t检验和 F检验，建 立的线性回归模型可以用于预测，预测结果见表 1。 表 1 多元回归预测结果及误差 Tab.1 Result and error of multiple regression forecast 年份 售电量 X1/(亿 kW h) 工资增长率 X2/(%) 研发资金投入率 X3/(%) 人员数 Y/人 多元回归预测值 预测误差 1994 49.1 10 1 3 035 3 048 13.431 1995 53.5 6 1.41 3 001 2 983 18.263 6 1996 58 11.2 0.8 3 012 3 013 1.04 1997 63 0.2 1.56 2 900 2 904 4.110 4 1998 71.8 0.3 1.13 2 873 2 886 12.735 2 1999 81.6 8 1.4 2 825 2 819 6.408 2000 91.5 7.9 1.2 2 801 2 775 25.986 2001 100.9 11 1.82 2 655 2 675 19.681 8 2002 110.7 10 1.7 2 637 2 624 13.175 2003 118 10.6 1.35 2 598 2 609 10.923 2004 123.97 10 1.5 2 560 2005 130 10.5 1.55 2 521 2006 134.5 11 1.6 2 491 方差 232.260 9 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 差 15.240 11 2 灰色系统预测模型 灰色预测模型采用小样本，通过对样本数据的 生成、开发，提取有价值的信息，实现对系统运行 规律的正确描述和有效控制。 (1) 选择数列： Y 0 = y1,y2,⋯,Yt ，t=1,2,⋯,T。 (2) 累加生成： 对原始数列做累加生成，得新的数列Y 1，其 元素 Yt 1 = m=1 t Ym0。 (3) 建立灰色预测模型。 a. 建立灰色微分方程 华 北 电 力 大 学 学 报82 2005年 dY 1 dt +aY 1 =u。 采用最小二乘可求得参数 ‹ a， ‹ u的估计值，代入 上式微分方程； b. 求解上述微分方程得 GM（1，1）预测模 型如下： ‹ Yt+1 1 = Y1 1 ‹ u‹ a e ‹ at+ ‹ u‹ a 。 (4) 模型还原：得原始数列预测值为 ‹ Yt+1 0 = ‹ Yt+1 1 ‹ Yt 1。 (5) 模型检验： 得新建模型进行后验差检验，计算方差比c= s1s0 （式中s1为残差的均方差，s0为原始数列的均方差）。 查有关统计检验表，该模型的方差比略大于 0.35， 可知该模型为较好模型，可用于预测； (6) 根据公司近十年的人员统计数，得预测模 型为 ‹ Yt+1 1 = 3 035 3 124.4480.019 506 e 0.019 506t+3 124.4480.019 506， 式中方差比c= s1s0 =0.032 686 4<0.35，为一级精度预 测模型，可以用于预测，预测结果见表 2。 3 神经网络预测模型 利用前向多层神经网络的反向传播算法，即 BP 算法，是迄今为止应用最广泛的神经网络，一 般包括输入层、隐层和输出层。采用MATLAB软 件建立用于预测的 BP神经网络，将已知供电公司 的售电量、工资增长率、研发资金投入率、人员数 对 BP神经网络进行训练，建立人力资源需求预测 模型，此 BP神经网络可以成功地对本供电公司的 人力资源需求进行预测计算。 (1) 初始化 对权值与阈值初始化，将样本模式计算器 p和 训练次数计算器 g置为 1，误差 E置为 0。 (2) 创建 BP神经网络函数和训练样本 建立输入数据矩阵，并编写程序对样本进行归 一化，建立输出数据矩阵并归一化，然后创建 BP 神经网络函数，学习率设为 0.01，网络训练后达 到的精度设为 0.000 1，最后训练样本，检查网络 总误差是否达到精度要求，达到时训练结束。 (3) 仿真并调整神经网络函数 对供电企业的人员的历史数据进行仿真，将仿 真结果反归一化并与历史数据比较，如果达不到预 测精度，调整神经网络函数里边的参数和网络层及 各层神经元个数，直到达到预测精度为止，绘制图 形直观显示预测值与历史值的差别。 (4) 预测 根据训练好的神经网络函数对 2004年、2005 年、2006 年的员工数进行预测，预测结果如表 3 所示。 4 预测模型及误差的比较分析 通过比较上述 3 种模型的标准差，可以看到， 灰色模型的预测的标准差最大，多元回归次之，神 经网络的标准差最小。这正反映了各种模型的优缺 点。灰色模型的优点是对样本数据量要求较少，越 近期的数据越有效，且原始数据不要求有很好的统 计规律，因为通过了后验差检验，因而所建立模型 的中长期预测效果较好，但是用来对人力资源需求 做预测要比其他两种都要差；多元回归模型特点是 对样本条件要求较高，它不仅需要大量的统计数 据，并且这些数据要求符合一定的统计规律，对于 具体的预测对象来说，如果不具备大量的统计数据 或数据不符合统计规律，则仍不适宜用多元回归， 但是对于中长期预测效果不错；BP 神经网络的优 点是短期预测精度很高，它具有局部逼近网络的优 点，可以近似任何非线性函数，该模型用于近期数 据的模拟及预测，精度相当高，优于其他模型。 表 2 灰色预测结果及误差 Tab.2 Result and error of grey forecast 年份 人员数 累加值 灰色预测值 误差 1994 3 035 3 035 3 035 0 1995 3 001 6 036 3 036 34.547 27 1996 3 012 9 048 2 977 35.089 20 1997 2 900 11 948 2 919 19.407 03 1998 2 873 14 821 2 863 9.985 99 1999 2 825 17 646 2 808 17.289 70 2000 2 801 20 447 2 753 47.525 10 2001 2 655 23 102 2 700 45.287 12 2002 2 637 25 739 2 648 11.126 76 2003 2 598 28 337 2 597 1.026 04 2004 2 547 2005 2 498 2006 2 449 方差 25 951.79 848.270 80 标准差 29.125 09 由于企业人力资源需求预测大多数是短期预 测，而且受各种因素的影响，原始统计数据不太符 合统计规律，因此，选择 BP 神经网络预测方法对 供电公司人力资源需求进行预测是更为理想的方法。 5 结 论 本文通过建立多元线性回归模型、灰色模型和 神经网络模型，对某供电企业的人力资源需求进行 预测，通过实例误差分析从中优选出 BP神经网络 预测模型。本文提出的模型对于企业进行人力资源 整体规划提供了方法参考。 参考文献： [1] 牛东晓, 曹树华, 赵磊, 等. 电力负荷预测技术及其应 用 [M]. 北京: 中国电力出版社, 1998. [2] 飞思科技产品研发中心. 神经网络理论与MATLAB 7实 现 [M]. 北京: 电子工业出版社, 2005. [3] 谌新民, 唐东方. 人力资源规划 [M]. 广州: 广东经济出 版社, 2002. [4] 唐五湘, 程桂枝. EXCEL在预测中的应用 [M]. 北京: 电子工业出版社, 2001. [5] 姜勇, 卢毅. 电力系统短期负荷预测的模糊神经网络方 法 [J]. 电力科学与 工程 路基工程安全技术交底工程项目施工成本控制工程量增项单年度零星工程技术标正投影法基本原理 , 2001, (4): 8-9. [6] 孙红丽, 何永贵, 张文建, 等. 马尔科夫模型在企业人力资 源供给预测中的应用[J].华北电力大学学报,2004,31(5):56-58. （责任编辑：李丽英） 表 3 BP神经网络预测结果及误差 Tab.3 Result and error of BP neural network forecast 年份 售电量 X1/(亿 kW h) 工资增长率 X2/(%) 研发资金投入率 X3/(%) 人员数 Y/人 神经网络预测值 误差 1994 49.1 10 1 3 035 3 035 0.3 1995 53.5 6 1.41 3 001 2 998 3.2 1996 58 11.2 0.8 3 012 3 012 0 1997 63 0.2 1.56 2 900 2 898 2.1 1998 71.8 0.3 1.13 2 873 2 870 3.5 1999 81.6 8 1.4 2 825 2 825 0.5 2000 91.5 7.9 1.2 2 801 2 801 0.1 2001 100.9 11 1.82 2 655 2 655 0.3 2002 110.7 10 1.7 2 637 2 637 0.2 2003 118 10.6 1.35 2 598 2 599 0.9 2004 123.97 10 1.5 2 599 2005 130 10.5 1.55 2 593 2006 134.5 11 1.6 2 591 方差 2.212 标准差 1.487 何永贵等：人力资源需求预测模型的优选第 6期 83 2005年我校作为承担单位获得国家自然科学基金资助 19项 获得国家自然科学基金资助的分别是：姜根山负责的“电站锅炉中的声传播特性研究”；付东负责的“Yukawa 流体的成核现象和相行为研究”；顾雪平负责的“电力系统黑启动 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 综合评估技术的研究”；赵成勇负责的“基 于电压源型换流器直流输电的柔性联网方法研究”；李琳负责的“复杂媒质中大尺度导体周围瞬态电磁场的快速并 行计算方法的研究”；崔翔负责的“低压配电网 PLC 网络电磁辐射测量方法与场强的研究”；朱永利负责的“基于 广域网的新一代电力远动系统关键问题的研究”；刘吉臻负责的“基于信息融合的锅炉燃烧状态检测及控制优化”； 杜小泽负责的“多孔支撑微结构中反应气的流动和传热特性”；丁立健负责的“合成绝缘子材料电晕老化特性及评 价方法的研究”；屠幼萍负责的“基于空间电荷分布的氧化锌阀片非线性特性及击穿机理的研究”；张粒子负责的 “智能化配电网检修 计划 项目进度计划表范例计划下载计划下载计划下载课程教学计划下载 优化模型与算法的研究”；李成榕负责的“低温（或大温差）高湿环境下复合绝缘子憎水 性及与其相关的闪络机理研究”；肖湘宁负责的“基于非正交坐标系 SVPWM的 SSSC调制原理与直流电压平衡方 法研究”。纪昌明负责的“洪灾异型风险的综合分析与评价理论及应用研究”；詹花茂负责的“空气中纳秒级脉冲 辉光放电形成机理的研究”；谭忠富负责的“我国电力市场绩效监管指标体系的经济学分析及绩效评估模型研究”； 李存斌负责的“广义项目风险元传递理论模型及其应用研究”；高建伟负责的“中国养老保险基金缺口精算模型及 风险控制研究”。