[发明专利]一种供电企业离职人数预测方法

说明书

技术领域

本发明属于数据分析预测领域，具体地说是一种供电企业离职人数预测方法。

背景技术

2016年供电企业人力资源管理呈现松散粗放向集约精益转变，队伍建设实现重人力投入向重人才开发转变的特性，为供电企业发展和公司发展提供坚强的组织、机制和人才保障。

近年来，在人力资源管理实践中，受到外部经济环境变化，电网企业内部持续减薪等方面的影响，公司出现了人员离职(辞职)现象，且人数呈增长趋势，给公司运营带来了一定影响。

发明内容

为解决上述现有技术存在的问题，本发明提供一种供电企业离职人数预测方法，其构造一种基于多种变量的非线性回归指数曲线年度离职人员预测模型和基于时间序列模型的月度离职人员预测模型，使人力资源部门能够事先掌握人员动态情况，并对相关人员动荡形成风险控制决策响应。

本发明采用如下的技术方案：一种供电企业离职人数预测方法，包括年度离职人数预测方法和月度离职人数预测方法，

所述的年度离职人数预测方法包括：

1)根据历年离职人员趋势、相关明细数据及地域特征进行数据分析，并利用相关性分析探索与人员离职相关性较强的变量，同时将不同变量进行标准化处理，以消除变量之间的量纲影响；

2)根据步骤1)的数据探索结果，选取较为合适的预测模型，利用多元非线性回归方程中的指数曲线预测法进行建模；

3)根据历年离职样本数据，调试优化步骤2)得到的预测模型，并求得最合适的权重参数。

进一步地，所述年度离职人数预测方法的步骤1)的具体过程如下：

第一步，利用相关性探索确定预测模型所需变量，包括售电量、现金流欠缺度和薪金增长率；

第二步，对各不同变量进行标准化处理：

x₁：售电量，利用常用的min-max方法进行标准化，基本公式为：由于min(售电量)＝0，因此售电量的标准化公式为：

x₂：现金流欠缺度，本身已是标准化数据；

x₃：薪金增长率，以GDP为参考进行归一化，即GDP/薪金增长率；

第三步，获取前N年的离职波动空间，作为预测离职数的波动尺度，并用波动尺度作为各计算项的倍率；

第四步，选取e^x作为平滑曲线底数，初步设计三个分项变量模型，如下：

其中：max_N：前N年中最大离职数；

min_N：前N年中最小离职数；

x₁：最近一年售电量/max(售电量)；

x₂：最近一年固定资产投资/(折旧+利润)；

x₃：GDP/薪金增长率。

进一步地，所述年度离职人数预测方法的步骤2)的具体过程如下：

首先，在多个变量作用下，根据多元非线性回归方程中的指数曲线方程，演变为预测模型，指数曲线方程为：y＝a*e^bx，预测模型为：

模型中，c为对不同时间尺度下的离职人数波动进行量化，其公式为：其中，max_N为历年离职样本数据年份中离职人数最大值，min_N为历年离职样本数据年份中离职人数最小值，L为尺度分解参数，需根据实际样本数据拟合求得最优值；

其次，通过模型探索及拟合，建立以下完整的年度离职人员预测模型：

进一步地，所述年度离职人数预测方法的步骤3)的具体内容如下：

通过历年离职样本数据，利用极大似然法，反复拟合验证预测模型，在满足k₁+k₂+k₃＝1的情况下，求得最优k₁、k₂、k₃的最优解，即保证预测模型历年拟合度最优。

进一步地，所述月度离职人数预测方法包括：根据年度离职人数预测结果，按时间序列开展月度离职人数预测。

更进一步地，所述月度离职人数预测方法的步骤如下：

1)利用e^x构造月度离职惯性系数w₁，并使得在特定月份出现离职高峰，根据数据分析，暂以1月、4月、7月、9月为离职高峰惯性月，

x：月份；