楊西國，梁科

（山東管理學院，山東 濟南 250357）

【管理論壇】

山東省信息技術行業(yè)人才需求預測研究

楊西國，梁科

（山東管理學院，山東 濟南 250357）

隨著山東省高等教育辦學規(guī)模的擴大，發(fā)展層次有了明顯提升，但在服務地方經濟社會發(fā)展、加強基礎能力建設等方面還存在發(fā)展特色不明顯的問題。本文在分析經濟數(shù)據(jù)的基礎上，探討了在當前產業(yè)結構調整下對信息化人才的需求，確定影響信息化人才需求的因素，利用灰色模型預測人才需求影響數(shù)據(jù)，采用基因表達式編程與BP神經網絡相結合的方法預測山東省信息化行業(yè)的人才需求，結果表明優(yōu)化后的BP神經網絡具有較好的收斂性能，且預測精度更高。該方法綜合了灰色模型方法和神經網絡方法的優(yōu)點，可以較高精度地對未來山東省信息化人才的需求進行預測。

人才預測；灰色模型；BP神經網絡；基因表達式編程

近年來，山東省經濟穩(wěn)步發(fā)展，高等教育毛入學率有了大幅度的提高，已經從1998年的8.28%上升到2013年的38.6%。2013年，隨著山東管理學院、山東農業(yè)工程學院升格為普通本科高校，山東的本科院校達到52所，高職（專科）院校73所，獨立學院12所。盡管山東省高等教育辦學規(guī)模有了明顯提升，但部屬高校僅有3所；全國845個碩士研究生培養(yǎng)單位中，山東省僅有31個，2013年，山東省GDP總量54684.30億元，列全國第3位［1-2］。山東高校在培養(yǎng)能力和競爭力上還有待加強，山東省作為經濟大省在教育上的投入及研究力度還有較大的發(fā)展空間［3-5］。

本研究著眼于當前山東經濟運行中的相關指標及各行業(yè)對人才的需求狀況，對人才需求的相關因素進行匯總分析，確定了影響信息技術行業(yè)應用型人才需求的相關數(shù)據(jù)。利用灰色系統(tǒng)理論預測人才需求影響數(shù)據(jù)，結合BP神經網絡和基因表達式編程的優(yōu)勢構建預測模型，預測城市化進程對信息化專業(yè)人才的需求從而指導信息化專業(yè)的建設及發(fā)展，以此推動信息化人才培養(yǎng)模式的變化以更好的服務地方經濟，促進山東省區(qū)域經濟穩(wěn)步發(fā)展。

一、相關概念和描述

（一）基因表達編程

基因表達式編程是結合遺傳編程和遺傳算法的優(yōu)點而構造的一種新算法，具有以下優(yōu)點：編碼簡單、遺傳操作易處理、收斂速度快［6］。其個體由頭部和尾部組成，能夠被表達成不同長度和形狀的非線性實體。尾部長度t由頭部長度h和參數(shù)個數(shù)n所決定。

（二）灰色系統(tǒng)理論

灰色系統(tǒng)理論是根據(jù)原有的已知信息，實現(xiàn)對數(shù)據(jù)規(guī)律的判定和識別［7-8］。其基本思想是對原始數(shù)據(jù)進行處理，使新數(shù)據(jù)形成一定的規(guī)律，通過微分方程獲得擬合曲線，假設原始序列為求解過程如下：

步驟1：對原有數(shù)據(jù)進行處理得到數(shù)據(jù)集合

其中t=1，2，...，n-1，然后對數(shù)列進行還原，獲得最終預測值。

（三）改進的預測模型

對BP神經網絡的參數(shù)進行尋優(yōu)處理［9］，改進的模型算法如下：

步驟1：輸入基因表達式編程的各項參數(shù)，如：頭部長度、算子概率和終結符集；

步驟3：計算個體適應度值；

步驟4：如果出現(xiàn)相似個體則刪除掉適應度較小的個體，同時補充等數(shù)的隨機個體；

步驟5：判斷是否滿足條件，如不滿足轉向步驟3繼續(xù)執(zhí)行，否則轉向下一步執(zhí)行；

步驟6：將選出的適應度最大的個體進行解碼。

二、信息化人才需求預測

（一）預測因素分析

人才需求預測與社會、經濟的發(fā)展息息相關，通過咨詢相關專家及相關數(shù)據(jù)分析，在人才預測中選用9個影響人才需求的因素，既能反映山東人才需求發(fā)展內在規(guī)律，又能夠客觀地反映人才需求的影響因素［10-11］。人才需求預測影響因素包含內容如表1所示：

表1　人才需求預測因素

表2　2004年-2013年山東省信息技術服務業(yè)人才需求預測影響因素原始數(shù)據(jù)表

（二）數(shù)據(jù)選取

本文以2004年—2013年山東省信息技術服務業(yè)人才需求預測影響因素原始數(shù)據(jù)表為數(shù)據(jù)來源，對2015—2020年山東省所需信息技術專業(yè)人才數(shù)量進行預測，表2所示為2004年—2013年山東省經濟發(fā)展對信息技術業(yè)人才需求的相關統(tǒng)計。

楊西國，梁 科：山東省信息技術行業(yè)人才需求預測研究

三、試驗方案設計

（一）灰色模型的訓練及模擬

第一步：灰色模型的訓練

定義 1i為第一產業(yè)生產總值、2i為第二產業(yè)生產總值、3i為第三產業(yè)生產總值、4i為第一產業(yè)固定資產投資總額、5i為第二產業(yè)固定資產投資總額、6i為第三產業(yè)固定資產投資總額、7i為外貿出口總額、8i為直接利用外資額的值，分別選取2004—2013年的 1i、2i、3i、4i、5i、6i、7i、8i作為建模數(shù)據(jù)，按照灰色系統(tǒng)理論獲得8個數(shù)據(jù)模型。

表3　利用灰色模型計算2004年-2013年山東省信息技術服務業(yè)人才需求預測影響數(shù)據(jù) 1i--8i

第二步：2015—2020人才需求影響因素計算

根據(jù)表3可以發(fā)現(xiàn)，用灰色模型來預測人才需求影響數(shù)據(jù)是可行的，所得預測結果與實際數(shù)值較為接近，相對誤差和精度也都符合要求，能夠較為真實的反映實際情況。用上述8個數(shù)據(jù)模型預測2015—2020年山東省信息技術服務業(yè)人才的需求影響數(shù)據(jù) 1i--8i如表4所示。

表4　利用灰色模型計算2015年-2020年山東省信息技術服務業(yè)人才需求影響數(shù)據(jù) 1i--8i

（二）訓練BP神經網絡

選取2004年—2013年山東省信息傳輸、軟件和信息技術服務業(yè)人才需求預測影響因素原始數(shù)據(jù)表訓練BP神經網絡。參數(shù)設置如下表。

表5　BP神經網絡參數(shù)設置

從表6和圖1、2可清楚地看到：神經網絡的測試結果能夠達到較理想的結果，實測值與模擬值變化趨勢基本一致，實測值與實際的相對誤差絕對值不大于10%。

（三）人才需求預測

BP神經網絡在人才預測時考慮到 i1、i2、i3、i4、i5、i6、i7、i8等影響人才需求的因素，結果能比較客觀地反映數(shù)據(jù)的變化過程，對2015年—2020年信息技術行業(yè)人才需求見表7所示。

表6　模擬就業(yè)人數(shù)需求統(tǒng)計

圖1　 模擬就業(yè)人數(shù)

圖2　模擬就業(yè)相對誤差

表7　 2015年-2020年山東省信息技術人才需求預測數(shù)據(jù)

圖3　 2004年-2020年山東省信息技術人才需求增長率

四、結語

利用灰色模型預測人才需求影響因素的方法能夠為人才需求預測提供擬合度較高的數(shù)據(jù)，預測模型利用了基因表達式編程和BP神經網絡的優(yōu)點，能夠解決基因表達式編程易陷入局部最優(yōu)的不足，同時可以利用BP神經網絡的優(yōu)勢，提高網絡的泛化能力，使預測更加趨于合理和科學。

通過實驗分析發(fā)現(xiàn)建立的人才需求預測模型能夠達到90%以上的準確率，模型能夠初步顯示山東省信息化人才需求和生產總值、固定資產投資總額、外貿出口總額的關系，能夠為信息化人才需求預測提供更有價值的參考。

［1］山東省教育廳.山東省中長期教育改革和發(fā)展規(guī)劃綱要（2011-2020年）［EB/OL］.http：//www.sdedu.gov.cn/ sdedu_zxwj/201012/t20101231_83693.htm.

［2］山東省教育廳.二〇一四年全省教育事業(yè)發(fā)展統(tǒng)計公報［EB/OL］.http：//www.sdedu.gov.cn/sdedu_jyzx/201103/ t20110303_85717.htm.

［3］周杰.新疆戰(zhàn)略性新興產業(yè)人才需求預測及開發(fā)［D］.新疆大學，2014.

［4］孫菁.山東省高等教育競爭力實證研究［D］.山東財經大學，2014.

［5］滕愛玲，胡耀宗.山東高等教育發(fā)展狀況的理性審視——規(guī)模結構質量效益協(xié)調發(fā)展的視角［J］.當代教育科學，2010，（7）.

［6］KozaJR，KeaneMA，YuJ，etal.Automaticcreationof human-competitive programs and controllers by means of geneticprogramming［J］.GeneticProgrammingandEvolvable Machines，2000，1（1-2）：121-164.

［7］張瑞軍，邱繼偉，賈慶軒.灰色系統(tǒng)理論的多目標可靠性穩(wěn)健設計［J］.北京郵電大學學報，2014，37，（3）：23-26，42.

［8］劉思峰，楊英杰.Advances in Grey System Research（2004-2014）［J］.南京航空航天大學學報，2015，47 （1）.

［9］王爾申，李興凱，龐濤.基于 BP神經網絡的粒子濾波算法［J］.智能系統(tǒng)學報，2014，（6）.

［10］宋偉偉，呂健，辛春紅.基于灰色 GM（1，1）模型的區(qū)域人才需求預測［J］.自動化技術與應用，2014，33（5）：58-60.

［11］王從.山東省專業(yè)技術人才整體性開發(fā)研究［J］.科技和產業(yè)，2014，14（8）：48-51.

Research on Forecasting the Demand for Talents in Information Technology Industry of Shandong Province

Yang Xiguo，Liang Ke

As the school size of higher education in Shandong province expands，its development level improves significantly.However，there are some problems of less obvious features in serving the development of local economic society and reinforcing the basic capacity-building，and so forth. Based on analyzing economic data，this paper discussed the demand for information talents under the current adjustment of industry structure，confirmed the elements，used Grey Model to forecast its data and adopt GEP（Gene Expression Programming）combined with BP neural network to forecast the demand for the talents in information industry of Shandong province.It turned out that optimized BP neural network has better convergence performance and much more accurate forecast.This method combined both advantages of GEP and BP neural network so that it could make forecast precisely.

talents forecast；Grey Model；BP neural network；GEP（Gene Expression Programming）

本文是山東省軟科學研究計劃項目“新建應用型本科院校發(fā)展戰(zhàn)略研究”（課題編號：2014RKB01753）的研究成果之一。

C961.9：F224

A

2095—7416（2016）04—0037—05

（責任編輯：袁鋒）

2016-07-30

楊西國（1965-），男，山東壽光人，碩士，山東管理學院副院長，教授。