[發明專利]一種采用LSTM建模預測勞動力需求增量的方法在審

申請號：	201811199325.1	申請日：	2018-10-15
公開（公告）號：	CN109345021A	公開（公告）日：	2019-02-15
發明（設計）人：	吳梁斌;莊國強;詹進林	申請（專利權）人：	易聯眾信息技術股份有限公司;易聯眾（廈門）大數據科技有限公司
主分類號：	G06Q10/04	分類號：	G06Q10/04;G06N3/08
代理公司：	廈門加減專利代理事務所(普通合伙) 35234	代理人：	陳文香
地址：	361008 福建省廈***	國省代碼：	福建;35
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	景氣指數勞動力需求建模預測增量變化增量數據增量預測時間段預測勞動力市場準確度模型預測數據參考數學建模預測模型政策制定累加建模搜集監管恢復
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【權利要求書】：

1.一種采用LSTM建模預測勞動力需求增量的方法，其特征在于，包括如下步驟：

S10：搜集過去指定時間段單位用工信息，獲得用工景氣指數增量數據；

S20：利用LSTM對步驟S10中獲得的用工景氣指數增量數據進行建模，獲得未來用工景氣指數增量預測模型；

S30：根據步驟S20所得未來用工景氣指數增量預測模型預測未來指定時間段的預測增量值，進行累加恢復，獲得未來用工景氣指數；

其中，所述步驟S20具體包括：

S201：對用工景氣指數增量數據進行標準化處理后劃分為訓練集和測試集；

S202：初始化LSTM模型參數，確定LSTM模型的初始結構；

S203：利用訓練集數據對LSTM模型進行訓練學習；

S204：判斷預測誤差是否滿足要求，如果不滿足則調整LSTM模型參數，重新進行網絡訓練，直至誤差滿足需求為止；

S205：獲得最終確定的未來用工景氣指數增量預測模型。

2.根據權利要求1所述的采用LSTM建模預測勞動力需求增量的方法，其特征在于：步驟S20中，LSTM模型參數包括訓練集的窗口長度、隱藏層神經元個數、迭代次數、采樣比例、激活函數、優化器、損失函數以及誤差檢驗值。

3.根據權利要求2所述的采用LSTM建模預測勞動力需求增量的方法，其特征在于：所述步驟S20中，訓練集的窗口長度初始值設定為3，隱藏層神經元個數初始設定為3，迭代次數初始值設定為100，采樣比例初始設定為1，激活函數初始采用ReLU函數，優化器初始采用adam函數，損失函數初始采用mean_squared_error，誤差檢驗值初始值為accuracy。

4.根據權利要求1所述的采用LSTM建模預測勞動力需求增量的方法，其特征在于：所述用工景氣指數包括總體用工景氣指數和分行業用工景氣。

5.根據權利要求1所述的采用LSTM建模預測勞動力需求增量的方法，其特征在于：步驟S10中根據收集到的單位用工信息獲取用工景氣指數增量數據的具體步驟包括為：

S101：搜集過去指定時間段單位用工信息；

S102：根據用工指數景氣計算公式，進行用工景氣指數計算；

S103：對獲得的用工景氣指數進行異常值檢測、異常值處理和空值處理；

S104：對處理后的用工景氣指數進行一階差分，獲得用工景氣指數增量數據。

6.根據權利要求5所述的采用LSTM建模預測勞動力需求增量的方法，其特征在于：步驟S102中所述用工景氣指數的計算公式：

用工景氣指數＝(用工數上升企業百分比-用工數下降企業百分比)*100+100。

7.根據權利要求5所述的采用LSTM建模預測勞動力需求增量的方法，其特征在于：步驟S103中，采用3σ法則對異常值進行檢測，并通過拉格朗日插值法對異常數據處理。

下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。

免登錄下載普通用戶下載升級VIP會員，免費下載

該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于易聯眾信息技術股份有限公司;易聯眾（廈門）大數據科技有限公司，未經易聯眾信息技術股份有限公司;易聯眾（廈門）大數據科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】