基于神经网络集成的失业预警方法
2012-01-06分类号：F249.2;F224
【部门】中国人民大学劳动人事学院 国家人力资源和社会保障部劳动科学研究所 北京理工大学计算机学院智能信息技术北京市重点实验室
【摘要】提出采用神经网络集成技术对中国失业预警系统进行建模,以克服当前失业预警系统建模中存在的小样本、高维度、非线性、噪音数据等难题。采用BP神经网络回归模型对失业率进行预测;基于两种集成技术Bagging与AdaBoost对多个神经网络进行集成,以获得比单个预测模型更好的精度与稳定性;最后基于广东省的社会经济调查数据进行了实证分析,实验结果表明:在对失业率的预测上,Bagging集成方法的预测效果优于Adaboost集成方法,也优于单个最好的神经网络模型。
【关键词】失业预警 神经网络集成 Bagging AdaBoost
【基金】国家科技部软科学研究计划项目“失业预警制度及预案研究”(2009GXS5B071); 北京市自然科学基金“基于集成学习的失业预警建模研究”(4122068); 人力资源;社会保障部失业保险司课题“失业预警理论;技术;方法研究”; 广东省人力资源;社会保障厅委托项目“广东省失业预警系统及预案研究”
【所属期刊栏目】经济与管理研究
文献传递
