【技术实现步骤摘要】
本专利技术属于人才预测领域，特别涉及了一种基于残差灰色模型的切换策略的人才预测方法及系统。
技术介绍
1、医疗装备行业是卫生与健康的重要基础条件保障，涉及面广、产业链条长、增长空间大，是新常态下“稳增长、调结构、惠民生”的重要着力点，在技术驱动和需求拉动的双重影响下发展前景广阔，是国家经济和技术综合实力的重要标志。医疗装备领域人才预测算法研究十分必要。
2、目前国内外已经有许多学者对各类不同领域人才需求做过预测研究。总体来说，其预测方法包括两大类，其一是定性分析，其二是定量分析。一般情况下，在人才预测领域由于定性分析的数据收集难度高且难以量化，使得定量分析的使用频率要远高于定性分析。由于人才预测数据量较少，大多采用统计学习方法进行预测，包括自回归移动平均(autoregressive integrated moving average,arima)模型、灰色预测模型、线性回归模型等，但是只是侧重于医疗人才数据的非线性或线性特性关系的某一方面特性进行研究，无法在处理非线性和线性等特性问题的人才需求预测的鲁棒性。以上分析表明，在医疗装备领域人才数据容量小，数据不规律的情况下，其预测手段是必须能考虑到这两种特性的针对性方法。因此，现有医疗装备领域人才需求的预测方法不能有效对医疗装备领域人才需求的时间序列数据进行预测。
技术实现思路
1、为了解决上述技术问题，克服现有技术的不足。本专利技术提供一种基于残差灰色模型的切换策略的人才预测方法及系统，引入了基于残差灰色模型的切换策略的
2、本专利技术技术解决方案如下：
3、第一方面，本专利技术提供一种基于残差灰色模型的切换策略的人才预测方法，包括：
4、步骤s1：对猎聘网提供的企业端的医疗装备领域人才招聘和高校官方招生网站提供的高校端的医疗装备领域人才招生的文本数据采用nltk库进行预处理，基于预处理后的文本数据采用多维apriori改进算法构建医疗装备领域企业端的人才需求的时间序列数据和高校端的人才需求的时间序列数据，并联合构建医疗装备领域人才需求的时间序列数据；
5、步骤s2：将所述医疗装备领域人才需求的时间序列数据输入至基于残差灰色模型的切换策略的人才预测方法进行预测；其中所述基于残差灰色模型的切换策略的人才预测方法包括：基于残差灰色模型、基于简单线性回归模型和基于拟合度的最优切换策略；将所述医疗装备领域人才需求的时间序列数据输入至所述基于残差灰色模型，得到医疗装备领域人才需求的初步人才需求预测结果；所述医疗装备领域人才需求的时间序列数据输入至所述基于简单线性回归模型，得到医疗装备领域人才需求的次步人才需求预测结果；将初步人才需求预测结果和次步人才需求预测结果用于所述基于拟合度的最优切换策略进行人才需求预测，得到最终的医疗装备领域人才需求的预测结果。
6、特别地，所述步骤s1具体实现包括：
7、步骤s11：对猎聘网提供的企业端的医疗装备领域人才招聘海量数据和高校官方招生网站提供的高校端的医疗装备领域人才招生数据中采用nltk库中主题建模方法进行文本预处理、分词、标记、词干提取和分析，来自动分类并汇总获得多维事务集所有维度的词性集合d1＝{d11,d12,…,d1n}和d2＝{d21,d22,…,d2n}，其中d1表示企业端的医疗装备领域人才招聘数据的事务集的集合，d2表示高校端的医疗装备领域人才招生数据的事务集的集合；和分别为集合d1和d2的维度，其中k＝1,2,...,n；维度和分别对应集合d1和d2中的一个谓词集l1＝{i1k1,i1k2,…,i1km}和l2＝{i2k1,i2k2,…,i2km}，其中i1ks表示谓词集l1中的谓词，i1ks表示谓词集l2中的谓词，s＝1,2,...,m。利用多维apriori改进算法分别得到企业端的医疗装备领域人才招聘和高校端的医疗装备领域人才招生数据的关联性分析。其具体方法有，采用挖掘多维关联规则，将多维事务集d1和d2的数据属性进行拆分、映射，转化成单维布尔类型事务集d1′和d2′；采用k-means聚类手段分别对事务集d1′和d2′进行词性相似度划分得到相似度项集d1-sim和d2-sim，再分别利用apriori算法进行挖掘相似度项集d1-sim和d2-sim中频繁出现的词性项集得到频繁项集d1-fre和d2-fre；确定d1-fre和d2-fre的最小支持度阈值s1-min和s2-min，扫描频繁项集d1-fre和d2-fre生成集合中单个元素的项集列表并统计其支持度s1和s1，找出满足最小支持度阈值的频繁项集d′1-fre和d′2-fre；然后分别对剩下来的项集进行组合生成包含两个元素的项集，统计支持度，并去掉不满足最小支持度的项集，并重复过程直到所有项集都被去掉，最后完成企业端的医疗装备领域人才招聘和高校端的医疗装备领域人才招生数据的关联性分析。根据企业端的医疗装备领域人才招聘和高校端的医疗装备领域人才招生数据的关联性分析构建企业端医疗装备领域人才招聘数据xc和高校端医疗装备领域人才招生数据xs；
8、步骤s12：将企业端医疗装备领域人才招聘数据和高校端医疗装备领域人才招生数据进行融合处理，构建医疗装备领域人才需求的时间序列数据xt。
9、特别地，所述步骤s2具体实现包括：
10、步骤s21：将所述医疗装备领域人才需求的时间序列数据xt，输入所述基于残差灰色模型，得到所述的医疗装备领域人才需求的初步人才需求预测结果yp；
11、步骤s22：将所述的医疗装备领域人才需求的时间序列数据xt，输入所述基于简单线性回归模型，得到所述的医疗装备领域人才需求的次步人才需求预测结果yn；
12、步骤s23：将所述初步人才需求预测结果yp和次步人才需求预测结果yn用于所述的基于拟合度的最优切换策略进行人才需求预测，得到最终的医疗装备领域人才需求的预测结果yf。
13、特别地，所述步骤s21：将所述医疗装备领域人才需求的时间序列数据xt，输入所述基于残差灰色模型，得到所述的医疗装备领域人才需求的初步人才需求预测结果yp，包括：
14、步骤s211：将所述的医疗装备领域人才需求的时间序列数据xt＝{xt(1),xt(2),...,xt(n)}用于建立灰色预测模型，得到灰色预测模型预测输出结果xp，其输出数学表达式如公式(1)所示：
15、
16、其中，α是灰色预测模型的发展灰度，μ是灰色预测模型的内生控制灰数，e是自然指数，k是医疗装备领域人才需求的时间序列数据的第k年，xp(k+1)表示第k+1步的医疗装备领域人才需求的预测结果，xt(1)表示第1步的医疗装备领域人才需求的时间序列数据；
本文档来自技高网...
【技术保护点】
1.一种基于残差灰色模型的切换策略的人才预测方法，其特征在于，包括：
2.根据权利要求1所述的基于残差灰色模型的切换策略的人才预测方法，其特征在于，所述步骤S1具体实现包括：
3.根据权利要求1所述的基于残差灰色模型的切换策略的人才预测方法，其特征在于，所述步骤S2具体实现包括：
4.根据权利要求3所述的基于残差灰色模型的切换策略的人才预测方法，其特征在于，所述步骤S21：将所述医疗装备领域人才需求的时间序列数据Xt，输入所述基于残差灰色模型，得到所述的医疗装备领域人才需求的初步人才需求预测结果YP，包括：
5.根据权利要求3所述的基于残差灰色模型的切换策略的人才预测方法，其特征在于，所述步骤S23，具体包括：
6.一种基于残差灰色模型的切换策略的人才预测系统，其特征在于，包括下述模块：
7.一种电子设备，其特征在于，包括存储器与处理器，其中所述存储器用于存储所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时，实现权利要求1至5中任一所述的方法，或权利要求6所述的系统。
8.一种计算机可
...【技术特征摘要】
1.一种基于残差灰色模型的切换策略的人才预测方法，其特征在于，包括：
2.根据权利要求1所述的基于残差灰色模型的切换策略的人才预测方法，其特征在于，所述步骤s1具体实现包括：
3.根据权利要求1所述的基于残差灰色模型的切换策略的人才预测方法，其特征在于，所述步骤s2具体实现包括：
4.根据权利要求3所述的基于残差灰色模型的切换策略的人才预测方法，其特征在于，所述步骤s21：将所述医疗装备领域人才需求的时间序列数据xt，输入所述基于残差灰色模型，得到所述的医疗装备领域人才需求的初步人才需求预测结果yp，包括：
5...
【专利技术属性】
技术研发人员：费习宏，潘雨欣，沈浩，汪婧，王康，李峰，
申请(专利权)人：安徽工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。