基于神经网络集成的失业预警方法

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

分类号：F404.1(工业经济理论)

资助基金：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;人力资源和社会保障部失业保险司课题"失业预警理论、技术和方法研究";广东省人力资源和社会保障厅委托项目"广东省失业预警系统及预案研究"

在线出版日期：2012-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：89-94