Resumen

La previsión del índice de confianza en el empleo (ICE) de los posgraduados puede ayudar a la universidad a predecir la tendencia futura del empleo de los posgraduados. Sin embargo, el método de previsión común basado en el modelo gris (GM) tiene un rendimiento hasta cierto punto insatisfactorio. Con el fin de predecir de forma eficiente el ICE de los postgraduados, este artículo analiza un novedoso modelo de previsión híbrido que utiliza muestras brutas limitadas. A diferencia de trabajos anteriores, en este trabajo se combina el modelo GM(1,1) residual modificado con la red neuronal (NN) mejorada. En particular, el modelo híbrido reduce el residuo del modelo GM(1,1) estándar y acelera la tasa de convergencia de la NN estándar. Después de los estudios numéricos, se proporcionan los resultados ilustrativos para demostrar el rendimiento de previsión del modelo propuesto. Además, se discuten algunas estrategias para mejorar la confianza en el empleo de los posgraduados.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería
• Subjects:mathematics Mathematical Analysis Algebra Engineering
• Palabras claves:modelo, postgraduados, modelo de previsión híbrido novedoso, método de previsión común, índice de confianza en el empleo, red neuronal mejorada, muestras brutas limitadas, gm(1, 1, eci residual modificado, cierto alcance
• Keywords:model, postgraduates, novel hybrid forecast model, common forecast method, employment confidence index, improved neural network, limited raw samples, residual modified gm(1, 1, eci, certain extent