基于PCA-BP神经网络的高校毕业生失业率预测模型实证研究

针对高校毕业生失业数据的非线性、小样本、高维度特点,采用主成分分析和BP神经网络相结合的方法,构建了高校毕业生失业率预测模型,并借助河北省1995—2016年高校毕业生失业数据进行了实证研究.结果表明,该模型能有效地反映河北省高校毕业生失业率的变化趋势,预测精度高于仅用BP神经网络构建的预测模型.     

学历愈高,就业愈难——台湾教育一瞥

近年来,在台湾就业市场渐渐出现学历愈高、失业愈高的倾向。那些过去身价颇高的留学生或研究所毕业的博士、硕士,现在不仅面临高学历、高失业的压力,同时也面临时常要“降格以求”、与更低学历者竞争就业机会的尴尬处境。据台湾有关部门预测,高学历者失业问题在台湾将会持续下去。表面上,台湾的失业率一直不高,控制在2%以下,远低于美国的6.6%,然而去年大学学历以上人口的失业率却达到2.3%,远高于平均失业率。     

外刊概要

<正>挥之不去的困扰美国经济在一年前已停止萎缩,可失业率仍居高不下。据官方数据,7月份失业率为9.5%,越来越多的人递交了失业福利申请,这表明就业形势或将进一步恶化。失业率高是因为经济深陷萧条,     

论金融危机形势下的城镇化发展速度

通过对由美国次贷引发的全球性的金融危机对中国经济所带来严重影响,从就业机会降低,失业率增多,及其失业的特殊群体农民工的状况分析,根据分析可以得出失业将给城镇化发展带来的现实困难及社会问题。讨论了与经济危机所影响的宏观形势密切相关的城镇化发展问题,提出中国城镇化加速的起点可能将后推一段时间。     

综合用户特征和项目属性的协作过滤推荐算法改进

在综合用户特征和项目属性的协作过滤推荐算法的基础上,提出了一种改进的基于综合用户特征和项目属性的协作过滤推荐算法,分析不同用户群体对不同项目属性的普遍评分,并结合已评分的项目属性,预测未评分项目.仿真结果表明,改进算法比原算法具有更高的推荐精准度,并进一步降低数据集的稀疏性和缓解冷启动问题.     

基于资本有机构成的我国失业人口问题研究

基于马克思资本有机构成理论,选用1985–2010年我国投资总额、工资总额、城镇登记失业率数据,进行线形回归分析,得出我国的资本有机构成每增加一个单位失业率将提高1.243%的结论,并提出了如何解决我国失业的政策建议。     

对我国隐性失业率的测定与实证分析

我国劳动力的失业包括显性失业和隐性失业,目前的失业率主要     

基于相似日和灰色理论的短期电力负荷预测研究

针对短期电力负荷预测易受气象因素影响的特点,提出基于相似日和灰色理论的短期电力负荷预测模型;首先通过对日类型的判断得到相同日类型的负荷数据,然后对气象数据序列进行模糊化聚类处理,并结合预测日的气象数据,采用灰色关联方法进行关联分析,选取与预测日关联度高的负荷数据作为相似日负荷数据,采用灰色预测方法对相似日负荷数据进行短期电力负荷预测;仿真结果表明,选取了相似日之后的预测结果比未选取相似日的预测结果精度要高。     

自然失业率——诺贝尔经济学奖得主费尔普斯的理论核心

费尔普斯的"自然失业率假说"认为在在长期通货膨胀与失业之间不存稳定的此消彼长的关系,只存在一个相对稳定的失业率,即自然失业率。它不受通货膨胀的影响,只与实际的经济变量相关。     

煤矿瓦斯预测专家系统中基于粗集的知识获取方法

提出了基于粗集理论的煤矿瓦斯预测专家系统知识获取方法.该方法首先建立瓦斯数据与瓦斯突出强度之间关系的预测样本集;然后运用粗糙集的连续属性离散化、属性约简以及规则提取算法,从大量的预测样本集中自动获取预测知识,并将预测知识存储于专家系统知识库中;最后基于推理机,实现煤矿瓦斯突出的实时预测.实例分析表明,粗糙集方法在煤矿瓦斯突出预测专家系统知识获取中的有效性和实用性.     

基于多元回归分析的中国城镇失业率问题研究

从宏观经济层面分析影响我国城镇失业率的相关因素，采用全序列法对所采集的原始数据进行无量纲化处理。分别应用1978-2009和1990-2007年数据得出多元回归分析只适合对失业率的短期预测。最后根据预测模型得出结论扩大出口，减少进口有利于减少我国城镇登记失业率，多元回归预测只适合对城镇失业率进行短期预测。     

基于广义粗集和知识共享的供应链需求预测R5模型

在知识共享前提下,提出了供应链需求预测的案例推理R5模型.此模型以粗集方法进行知识发现,建造和划分案例库,以案例推理管理和应用知识,将广义粗集的数据挖掘功能引入案例推理模式当中,用于指导供应链企业从过去的合作经验中有效学习其合作伙伴的“预测知识”,进而利用新的需求信息进行当前产品的需求预测模型选择.仿真算例表明,将变精度粗集和广义相似关系这两种粗集的泛化形式引入案例推理机制,可以提高推理效率和容错性;利用数据挖掘技术,从相关产品的环境信息及供应链成员的特征参数中发现需求预报的领域知识与深层知识,可以降低知识获取成本及模型选择的主观性.     

中国失业警戒线的研究和分析

失业是市场经济发展的必然产物，在许多国家。失业率居高不下已引发出许多政治、经济、社会等问题，所以研究失业率、建立失业警戒线已成为世界各国政府普遍关注的问题。阐明了失业警戒线的确定应包括两个方面。即警戒线本身的确定和警戒区间分界点的确定。在当前，宜采取定性方法采确定失业警戒线。而通过建立教学模型进行模拟的方法将是未来研究的方向。     

神经网络对混凝土动态特性的预测及试验

为研究混凝土高应变率下的动态特性,基于神经网络对非线性系统的辨识和预测功能,结合Leven-berg-M arquardt算法,利用变截面Hopk inson压杆对聚丙烯纤维混凝土的3种应变率下冲击压缩试验数据,采用BP网络对其峰值应力和对应的应变进行预测,并与试验结果进行了比较。分析表明,预测仿真结果与试验结果是相吻合的,所建立的网络模型可为研究混凝土高应变率下的应力应变关系提供参考。     

吉林省劳动力人口增长与就业、失业现状分析

依据吉林省人口普查数据,分析了吉林省劳动力人口增长变化趋势对就业、失业以及非经济活动人口现状的影响,认为目前吉林省的失业率还处于较高水平,就业形势依然严峻,政府必须采取积极的态度和必要的措施来改善当前吉林省的就业状况。     

基于自适应模糊时间序列法的光伏发电短期功率预测

针对并网光伏发电系统功率预测问题,提出一种基于自适应模糊时间序列法的并网光伏发电短期功率预测模型.根据光伏发电系统的历史发电数据,进行自适应算法处理,使数据结构与预测模型相适应,确定聚类数目、划分论域并定义论域区间.通过对历史数据进行模糊化处理,确定各模糊关系组,再计算各类模糊关系组的权重向量.按照模糊时间序列的方法进行光伏发电功率预测,并去模糊化得到实际预测结果.结果表明,对比时间序列预测法ARIMA模型,本文预测模型结果误差由13.66%减小到11.34%,并且在处理突变数据上有较大改进.     

基于数据挖掘的入侵检测设计与实现

在现有的Intrusion Detection System（IDS）中,如果出现新的攻击方法或者网络环境的改变,经常需要更新已安装的IDS系统,但更新IDS特征库和适应网络环境是一个费时而缓慢的过程。利用数据挖掘技术,通过学习已有的攻击和正常活动数据。提取攻击规则,然后把这些规则应用到误用检测和异常检测中,这样系统可以有很高的自适应性。规则的更新和系统的更新很快费用也很低廉,而且检测率较高,通过实验证明将数据挖掘运用到入侵检测系统中是可行的、有效的。