基于极限学习机的企业人才需求量预测

王梦(中国石油工程建设有限公司，北京 100120)

0 引言

随着现代企业规模的不断扩大，企业对人才的依赖日益突出，能够准确预测人才招聘中的人才需求量，对于提升企业人事管理水平具有重要意义。因此相关学者就企业人才需求量的预测从定性分析与定量计算进行了一系列的探索。

通过查阅文献在人才需求量上，主要是以建立影响因素指标体系，采集历史数据对未来做出预测，或者基于将人才需求量视为关于时间的变量，通过时间序列预测的方式进行预测。时间序列是收集历史统计数据，将研究的变量按照数据的先后顺序排列起来，通过时间序列分析找出研究变量随时间的变化关系。在分析中对于线性系统可以采用最小二乘法拟合回归方程，而对于非线性系统的回归则需要使用具有非线性拟合能力的计算模型，例如：BP神经网络、支持向量机等模型。此外，相关性预测模型是基于历史统计数据，研究多影响因素对研究变量的回归问题。实际上人才需求量的预测是非线性变化的，具有随机性和突变性，因此传统的线性拟合算法预测的精度往往较低，并且影响人才需求量的因素还在不断的研究探索中，整个预测过程呈现出灰色特征，即部分信息已知而部分信息还未知。本文将人才需求量作为时间变量，通过引入学习速率较高的极限学习机(ELM)机器学习算法模型[1-3]，对企业人才需求量进行回归拟合预测，为丰富人才需求量预测模型进行有益的探索与尝试，为企业人才需求量预测决策提供算法参考。……