山东科技大学山东泰安271000
摘要：许多城市注重人才的培养与吸纳，科技创新是推动未来经济发展的动力，同时，人才市场对于人才需求也因为地域的不同而呈现不同的特点。本文对数据进行预处理和整合，对工作需求、期望职业、教育背景三要素做总结分析，建立层次分析模型和主成分分析法精确求解三要素对人才需求的影响先后值。最后，基于过去三年A市代表性市场的人才需求数据，利用BP神经网络结合遗传算法改进模型和灰色预测模型分别对未来三年A市的人才需求量进行预测，得到未来三年A市的人才需求量为196830人、187060人和180535人。
关键词：层次分析法；主成分分析；BP神经网络；灰色预测
人才是城市发展的根本推动力，各个城市、地区积极开展人才引进与人才培养的工作，人才需求量大大增加。通过查阅资料显示，影响人才需求的因素是多种多样的，本文主要针对工作需求、期望职业和教育背景三个因素展开对人才需求的影响分析。
1.层次分析与主成分分析
2.基于遗传算法的BP网络时间序列预测模型
通过对2015年9月至2018年8月各个不同的行业领域的人才需求数进行整合，然后根据过去的一个已有值的序列，找出符合系统变化的函数，根据这个函数，将过去三年A市的人才需求量的观测值作为输入，未来三年A市的人才需求量作为输出，预测出未来的值。然而由于受到多种因素的影响，人才需求量的发展变化是高度非线性的，很难直接找到描述系统发展变化规律的函数。神经网络的出现为找寻找这种规律提供了有效的方法。神经网络的特点在于它具有高度的自学习能力，可以以任意精度逼近非线性函数，因此非常适合模拟复杂的非线性系统。
BP神经网络BP学习算法步骤如下：
步骤1输入过去几年人才需求量的训练样本，经过网络的计算求出输出预测值；
步骤2将输出值和理想值进行比较，求出误差值；
步骤3根据误差调整神经网络的个权值。
重复步骤1-3直至误差值满足精度要求。
遗传操作完成后，取在整个遗传操作中得到的最优数据作为神经网络的初始权值，然后按上节所述利用BP算法对神经网络进行训练，求出最优解。
3.数据的检验与矫正
参考文献：
[1]姜启源，谢金星，叶俊.数学模型（第四版）.高等教育出版社，2011.
[2]司守奎，孙兆亮.数学建模算法与应用（第2版）.国防工业出版社，2015.
[3]侯永雄.创业促进就业的微观证据及影响因素—基于CGSS数据的实证研究[J].现代经济探讨，2017（11）：11-22.
[4]杜博文，曹昌盛.绿色生态村镇环境指标体系量化方法研究[J].建设科技，2016（15）：100-103.