测绘行业人才需求预测及积累对策研究——以河南省为例 | ![]() |
2014年河南省测绘持证单位849家,测绘职工人数19 360人。为了促进河南省测绘行业合理有序的发展及避免高校资源浪费,对河南省测绘行业人才需求进行预测有着实际的积极的意义。
目前,国内还鲜有人对河南省测绘行业人才的需求的进行研究。对于人才需求的研究,目前常采用的数学模型有BP神经网络和灰色预测模型[1-5]。但本文研究的对象是具有多因素、多层次、多侧面的有机整体,且各因素间存在着相互联系、相互制约的复杂关系。因此,本文首先对于河南省测绘行业人才需求的影响因素进行岭迹分析法,通过自变量选择的准则和分析得到的岭迹图,筛选出一个合格的指标体系,其次根据选取出的指标体系构建改进BP神经网络预测模型并进行预测,最后通过预测的结果分析给出河南省测绘人才积累对策。
1 影响因素的选取从重叠散点图 1中可以看出,河南省测绘职工人数与河南省生产总值、河南省人均生产总值和固定资产投入等指标之间分别存在着线性关系和显著的正相关关系。但是各因素之间相互依存关系的十分密切,即该指标体系存在多重共线性,必须对指标体系进行因素筛选。
![]() |
图 1 因素重叠散点图 Figure 1 Coincidence Point of Factors |
本文采用岭回归分析方法选取指标体系[6-7]。其数学模型如下:
$ {\mathord{\buildrel{\lower3pt\hbox{$\scriptscriptstyle\frown$}} \over \beta } _i}(k) = {({\mathit{\boldsymbol{X}}}'{\mathit{\boldsymbol{X}}} + k{\mathit{\boldsymbol{I}}})^{ - 1}}{\mathit{\boldsymbol{X}}}'y $ | (1) |
式中,k为岭参数; X为自变量x1~x13组成的矩阵; I = Φ′Φ(Φ为X′X的标准正交阵); y为变量。设x1为河南省生产总值,x2为河南省人均生产总值,由此类推出x3~x13。λ1~λ13为X′X的特征值。
采用Matlab编写程序计算得出,X′X的特征向量:λ1=0.000 107,λ2=0.015 99,λ3=21.17,λ4=866.3,λ5=266 652,λ6=96 688,λ7=186 500,λ8=1 301 634,λ9=6 464 435,λ10=8 130 575,λ11=2.504×108,λ12=7.223×109和λ13=5.678×1013。其中λ1近似为0。由条件数可知,λ13/λ1为无穷。通过以上分析可知,X含有严重的多重共线性。根据λ1=0.000 107对应的特征向量,得到复共线性关系。采用Matlab编写程序对其进行岭迹分析并画出13个回归系数的岭迹,其结果如图 2所示。进行岭迹分析,由图 2可以看出,当k=3时,岭迹大体达到稳定。根据岭迹法,则k=3。根据变量选择的第一条准则,则可去掉变量x1、x3、x4和x7。根据变量选择第二条准则,则可去掉x2、x5、x6、x11和x12。根据变量选择第三条准则,则最终的指标体系由自变量x8、x9、x10和x13组成。
![]() |
图 2 河南省测绘人才影响因素岭迹图 Figure 2 Ridge Traces Analysis of Influencing Factors of Henan Province S/M Talent |
2 BP神经网络预测模型
以2001~2013年的河南省测绘职工人数与在校学生数、城镇居民人均消费性支出、研究与试验发展(R&D)机构个数和测绘持证单位的数据为例,运用建立的BP网络预测模型预测2002~2014年河南省测绘行业人才人数。预测结果如图 3所示;预测值与真实值之间的残差、相对误差如图 4所示。
![]() |
图 3 2002~2014年河南省测绘人才真实值与预测值 Figure 3 Data of Real and Forecast in Henan Province S/M Talent from 2002 to 2014 |
![]() |
图 4 2002~2014年河南测绘人才真实值与预测值残差、相对误差 Figure 4 Data of Residual and Relative Error of Real and Forecast in Henan Province S/M Talent from 2002 to 2014 |
由图 3可知,构建的预测模型的预测结果与真实值十分接近。2002年和2014年河南省测绘职工人数分别为6 358和19 360人,模型的预测值分别为6 351和19 720人。图 4中左端Y轴表示的是河南省测绘职工人数的残差; 右端Y轴表示的预测值的相对误差。由图 4可知,预测值与真实值之间的残差在-246~360人之间,其中残差值较大的是2005和2014年,分别为246和360人,其余9年的残差均在151人以内。2002~2014年预测值与真实值之间的相对误差在-2.424%~1.978%(误差小于5%),其相对误差较大值出现在2003年和2005年。拟合结果表明,构建的BP网络预测模型可以很好地对河南省测绘行业人才需求进行预测。
3 2014~2030年河南省人才预测根据上述的检验结果可知,该模型可以很好地预测河南省对测绘人才的需求。为了进一步了解河南省测绘人才的需求及发展情况,进而进行宏观调控,促进河南省测绘行业的良性发展,促进地区经济发展和高校合理制定测绘毕业生培养计划。本文运用上述模型预测了河南省2014~2030年的测绘人才,其预测结果如图 5所示。
![]() |
图 5 2015~2030年的河南省测绘人才预测值与年增长率 Figure 5 Data of Forecast and Growth Rate in Henan Province S/M Talent from 2015 to 2030 |
图 5中,A、B和C分别表示:高级工程师、工程师和助理工程师人数,D、E和F分别表示其对应的年增长率。由图 5可知,预测未来14年内河南省测绘行业人才的发展情况:高级工程师由2015年的1 663人,到2030年增长为3368人,增长了1 705人,增长了50.623%;工程师由2015年的4 971人,到2030年增长为9 122人,增长了4 151人,增长了45.505%;助理工程师由2015年的6 740人,到2027年增长为11 259人,但在随后3年人数开始减少,到2030年人数变为11 110,较2015年增长了4 370人,增长了39.334%。由图 5中D的年增长率曲线中可知,高级工程师的增长速度在近10年增长较快,增速均超过5%,但在随后的4年里增长速度逐步变缓,并低至1.476%。由图 5可知,E和F的年增长率曲线较为接近,近5年的增长较快,但随后的9年里增长率逐步降低,到2030年助工的增长率甚至变为-0.054%,而工程师的年增长率也仅有0.596%。由D、E和F的曲线可看出,在2017年和2018年,河南省对测绘人才的需求十分旺盛。这是因为在国家“一带一路”战略规划中,国家加大了对河南省的开发扶持力度以及河南省对18市做出定位发展计划,城镇化率不断提高,重大基础投资项目和房地产等行业对于测绘行业人才需求量迅速增加。未来随着测绘行业科技的不断发展,测绘行业不断融入和影响其他行业的发展,对测绘行业高层次人才的需求量不断增加。但是随着经济的逐步发展及经济结构的变化,城镇化速度逐步变缓,社会基础建设,特别是公共基础建设,如高速公路、桥梁等的不断完善;第一、第二产业在GDP总量的比重不断降低,第三产业的快速发展;无人机、卫星通讯等技术不断取代需要大量测绘外业人员的传统测绘,所以河南省对测绘高层次人才的需求逐步变缓。
4 结束语1) 转变观念,提高测绘人才重要性的认识。高校要加强大学生对测绘行业的认识,适当增加一些校企的实践活动,让在校生在学校期间对测绘行业有一定的认识,提高他们对测绘人精神的认可,同时适当提高测绘人才的待遇,降低测绘行业人才与其他行业人才的收入差距,进而增加后备力量的培养力度,避免出现“道德绑架”[8-10]。
2) 改善高校教育培养环境。
3) 健全测绘人才评价体系。实行职业技能鉴定,推行职业资格证书制度。以职业能力为导向,以工作业绩为重点,注重职业道德和职业知识水平,突出对实际操作能力和解决实际工作中关键技术难题的考核。
4) 广纳人才与保障政策相结合。在培养本地人才的同时,可以通过一些福利政策引进测绘人才,做到引得进留得住。
[1] |
李剑锋, 王永前, 郭俊元. 预测模型在对流层延迟计算中的应用研究[J]. 测绘科学技术学报, 2015, 32(5): 450-454. DOI:10.3969/j.issn.1673-6338.2015.05.003 |
[2] |
谭洋, 牛雪峰, 王明常. 径向基神经网络在沉降预测中的应用[J]. 测绘科学, 2016, 41(4): 33-36. |
[3] |
李磊, 王坚. 一种阈值函数与灰预测的组合去噪方法[J]. 测绘科学, 2016, 41(3): 145-149. |
[4] |
李冬梅, 周翠英, 李杰, 等. BP神经网络在地震序列类型早期预测中的应用[J]. 大地测量与地球动力学, 2016, 36(增2): 75-78. |
[5] |
Gao Xuejun, Huang Tingwen, Wang Zhenyou. Exploiting a Modified Gray Model in Back Propagation Neural Networks for Enhanced Forecasting[J]. Cognitive Computation, 2014, 6(3): 331-337. DOI:10.1007/s12559-014-9247-2 |
[6] |
黄蕊, 王铮, 丁冠群, 等. 基于STIRPAT模型的江苏省能源消费碳排放影响因素分析及趋势预测[J]. 地理研究, 2016, 35(4): 781-789. |
[7] |
李宏博, 黄华, 阎晓红. 基于灰色关联度和岭回归分析的房地产价格影响因素分析[J]. 测绘地理信息, 2015, 40(6): 82-85. |
[8] |
连达军, 张兄武, 张序, 等. 测绘地理信息类本科专业"一干两轴三维"人才培养模式建设[J]. 测绘通报, 2016(10): 137-140. |
[9] |
贾丹. 全国高校测绘地理信息人才培养与需求预测分析[J]. 测绘通报, 2013(7): 112-114. |
[10] |
汤俊, 李长春. 卓越计划背景下"测量程序设计"课程教学改革研究[J]. 测绘工程, 2017, 26(1): 77-80. |