论文部分内容阅读
中国企业员工流动受到中国商品生产季节性、劳动力市场供给周期性、员工身份两栖化等多种因素的影响,其数据呈现出季节性、非线性等特征。单一的自回归单整移动平均模型(ARIMA模型)不能较好地拟合其发展趋势并预测未来。本文通过神经网络模型(ANN模型)来修正传统的自回归单整移动平均模型(ARIMA模型),并加入季节性因素,从而形成SARIMA-ANN耦合模型,对企业员工流动的数据进行拟合与预测。通过对多组SARIMA-ANN模型的构建、衡量、比较与讨论,最终确定了较佳的神经网络对时间序列模型进行修正的耦合模型。实