科技是第一生产力，科技人才的素质与数量代表的是一个企业的科技水平与竞争力水平，国有企业作为国民经济的支柱力量，要在市场竞争中生存与发展，在国际竞争中立于不败之地，一个极其重要和十分关键的因素，就是必须拥有一支高素质的职工队伍和一大批优秀人才，而如何有效地建立国有企事业单位科技人才数量的预测模型，预测科技人才的需求就显得尤为重要，这便是本论文的目的所在。　　 由于单一的预测模型的局限性，本文建立了基于多元线性回归预测模型、灰色GM(1，1)预测模型和改进的BP神经网络预测模型的组合预测模型，并改进了传统的通过取历年权值的平均作为新的组合预测模型的权值的方法，建立了基于“远小近大”原则的加相关系数的改进的组合预测模型，从模型上来看，改进的组合预测模型综合了上述三个单项预测模型的优点，能够较全面的反映科技人才数量变化的趋势，而且改进的取组合预测权值的方法能更好的利用历史数据的信息，避免了取平均法的缺陷，从预测精度上来看，改进的组合预测模型比传统的取平均法的组合预测模型的精度要高，而且比三个单项预测模型的精度也要高，因此更加适用于对国企的科技人才数量的预测。同时，本文还采用了用遗传算法来求最优解的方法，克服了取到局部最优解的局限性。　　 改进的组合预测模型克服了单一预测模型的缺陷，可以较好的反映人才数量的变化，但是由于历史数据不足的原因，导致本论文采用的数据较少，所建立的模型具有一定的局限性，仅适用于短期预测，在中长期方面的预测还有待于进一步完善。