|
|
神经网络模型对城市人才资源总量的预测 |
吴利华;郑垂勇 |
河海大学 经济学院,河海大学 经济学院 江苏 南京 210098 |
|
|
摘要 定性分析了影响城市人才资源总量的各因素,运用计量经济学方法筛选出影响人才资源总量变化的主要因素,在此基础上确定神经网络模型的输入输出变量,对城市人才资源总量进行预测。
|
|
关键词 :
人才资源,
相关性,
BP神经网,
预测
|
|
通讯作者:
吴利华
|
[1] |
刘顺飞,谢圣远,汪发元,. 科技投入、公共支持对城镇化的影响[J]. 科技进步与对策, 2019, 36(1): 51-58. |
[2] |
王超,许海云,方曙. 颠覆性技术识别与预测方法研究进展[J]. 科技进步与对策, 2018, 35(9): 152-160. |
[3] |
杨武,杨淼,赵霞. 基于景气状态的中国科技创新驱动经济增长预警方法研究[J]. 科技进步与对策, 2018, 35(4): 1-8. |
[4] |
戚湧,杨帆. 基于最优金融结构理论的区域创新能力研究[J]. 科技进步与对策, 2018, 35(23): 52-58. |
[5] |
邢李志. 链路预测视角下京津冀现代制造业产业转移路径研究[J]. 科技进步与对策, 2017, 34(4): 54-59. |
[6] |
唐晓华,张欣钰,陈阳. 中国制造业产业政策实施有效性评价[J]. 科技进步与对策, 2017, 34(10): 60-68. |
[7] |
孙凯;刘晓婷;赵丽华. 基于LRUH模型的战略联盟成员相关性测度研究[J]. 科技进步与对策, 2016, 33(19): 114-117. |
[8] |
郑琳琳. 原始性创新人格形成的影响因素实证研究[J]. 科技进步与对策, 2016, 33(18): 140-145. |
[9] |
刘建华;王姝琪;姜照华. 区域创新体系模拟与预测:多主体DSGE建模分析[J]. 科技进步与对策, 2016, 33(14): 33-40. |
[10] |
吴丹. 全球视野下中国科技投入规模演变态势分析与预测[J]. 科技进步与对策, 2016, 33(13): 120-124. |
[11] |
张学义;彭成伦. 大数据技术的哲学审思[J]. 科技进步与对策, 2016, 33(13): 130-134. |
[12] |
张喜征;张白云;张人龙. 跨产业转型企业知识转移模式选择关系模型构建[J]. 科技进步与对策, 2015, 32(19): 136-141. |
[13] |
罗月领;高希杰;何万篷. 上海建设全球科技创新中心体制机制问题研究[J]. 科技进步与对策, 2015, 32(18): 28-33. |
[14] |
汪建;卢晨;郭政;邓绩;陈鹏;施蓓雯. 多国制造业质量发展指数及其变化规律实证研究[J]. 科技进步与对策, 2015, 32(18): 43-50. |
[15] |
邹凯;包明林. 基于灰色关联理论和BP神经网络的智慧城市发展潜力评价[J]. 科技进步与对策, 2015, 32(17): 123-128. |
|
|
|
|