基于Gray―BP神经网络的高职酒店管理专业就业率预测.docVIP

基于Gray―BP神经网络的高职酒店管理专业就业率预测 　　摘要：为能更好的掌握酒店管理专业毕业生的就业趋势，本文采用灰色GM（1，1）模型和BP神经网络相结合的灰色BP神经网络模型构建方法，结合高职酒店管理专业的近8年就业数据进行了模拟，对未来5年的就业率进行了预测，并对酒店管理专业就业形势进行了分析。 　　关键词：就业率 高职 酒店管理; 预测 　　一、引言 　　大学生就业难已经成为社会关注的一个热点问题。大学生就业形式严峻，直接影响到社会的稳定和经济的发展。酒店管理专业作为一个现下的热门专业，其毕业生就业也越来越为大家所关注。 　　本文利用灰色系统理论建立了大学生就业率预测模型，结合浙江旅游职业学院酒店管理专业近8年的就业率的统计数据，用神经网络进行了数据模拟，并用此模型对浙江旅游职业学院酒店管理专业未来5年的就业率进行了预测。 二、实例运用 　　本文通过对酒店管理专业就业率进行预测，根据预测的就业人数相关部门可以提前做好准备，更好帮助用人单位与酒店管理专业毕业生进行交流。 　　以浙江旅游职业学院酒店管理专业近8年的就业率数据为依据，对2003年到2010年的就业率数据进行处理和分析。酒店管理专业近几年的就业率如表1所示。 　　表1 酒店管理专业2003年―2010年的就业率 　　序号 　　1 　　2 　　3 　　4 　　5 　　6 　　7 　　8 　　年份 　　2003 　　2004 　　2005 　　2006 　　2007 　　2008 　　2009 　　2010 　　就业率（%） 　　95.15 　　97.18 　　97.33 　　98.12 　　99.27 　　97.45 　　95.04 　　97.63 　　该预测模型预测的浙江旅游职业学院酒店管理专业的就业模拟值如表2所示。 　　表2 2003―2010年酒店管理专业就业率的预测值和相对误差 　　序号 　　1 　　2 　　3 　　4 　　5 　　6 　　7 　　8 　　年份 　　2003 　　2004 　　2005 　　2006 　　2007 　　2008 　　2009 　　2010 　　就业率（%） 　　95.15 　　97.18 　　97.33 　　98.12 　　99.27 　　97.45 　　95.04 　　97.63 　　灰色模型预测值（%） 　　95.15 　　95.57 　　95.72 　　95.88 　　95.95 　　96.19 　　96.34 　　96.50 　　相对误差（%） 　　0 　　1.657 　　1.654 　　2.283 　　3.344 　　1.293 　　1.368 　　1.157 　　根据灰色BP神经网络建模理论，将灰色预测模型得到的预测数据，作为BP神经网络的输入数据，通过神经网络进行数据训练，进行预测，从而减少与预测数据的相对误差。 　　根据表2，就业率模拟值的相对误差基本都在1.5%以上，相对误差还是比较大，所以还必须通过神经网络对模拟值进行处理，从而降低相对误差。 　　将表2中灰色预测模型的2003――2009预测值的数据归一化后出入网络，其预测结果和表2中式灰色预测模型的2010预测值的进行验证，验证结果为97.88%，相对误差为0.26%，满足预测要求。表3所示的是灰色预测模型预测值型经过神经网络处理后得到的灰色神经网络预测值。 　　表3 两个预测模型的预测值及相对误差 　　序号 　　1 　　2 　　3 　　4 　　5 　　6 　　7 　　8 　　年份 　　2003 　　2004 　　2005 　　2006 　　2007 　　2008 　　2009 　　2010 　　就业率（%） 　　95.15 　　97.18 　　97.33 　　98.12 　　99.27 　　97.45 　　95.04 　　97.63 　　灰色模型预测值（%） 　　95.15 　　95.57 　　95.72 　　95.88 　　95.95 　　96.19 　　96.34 　　96.50 　　相对误差（%） 　　0 　　1.657 　　1.654 　　2.283 　　3.344 　　1.293 　　1.368 　　1.157 　　灰色神经网络预测值（%） 　　95.01 　　96.83 　　97.10 　　98.33 　　98.90 　　97.81 　　94.48 　　97.88 　　相对误差（%） 　　0.15 　　0.36 　　0.23 　　0.