山东省是我国的人口大省,随着人口数目的不断增长,就业形势越来越严峻,因此如何对就业人数进行分析,准确预测就业人数就显得尤为重要。本文分别运用Pearson相关系数和主成分分析的方法选择影响山东省就业人数的因素,构建BP神经网络模型对就业人数进行预测,并与残差自回归模型的预测结果进行了对比分析。本文借助BP神经网络对山东省就业人数进行预测分析。论文选取2000年至2018年相关指标的年度数据,确定了总人口数、第一产业产值、第二产业产值、第三产业产值、全社会固定资产投资额、人均地区生产总值、职工基本养老保险参保人数、居民消费价格总指数、城镇居民可支配收入、农村居民收入、普通高等教育毕业生数,共11个指标来研究其对山东省就业人数的影响。首先,文章利用Pearson相关系数对影响因素进行分析,将2000年至2015年的变量数据作为训练集建立BP神经网络模型,模型训练结果的平均相对误差为0.14%,利用模型对2016年至2018年山东省就业人数进行预测,通过计算预测值与真实值之间的相对误差,得到相对误差均小于8%,平均相对误差为3%,预测值的相对误差波动较小。其次,运用主成分分析的方法将11个原始变量转化为四个新的综合变量作为BP神经网络的输入变量重新构建模型,得到模型训练结果的平均相对误差为0.25%,2016年至2018年的就业人数预测结果的相对误差在5%以内,平均相对误差为2.2%。最后,本文通过对比运用残差自回归模型对山东省就业人数进行预测分析的结果,得出BP神经网络方法的训练效果更好,主成分分析和BP神经网络相结合的方法对山东省就业人数的预测效果相对较好,平均误差最小,两种方法都优于残差自回归模型,从而验证了BP神经网络模型在就业人数预测中的有效性。