王新宇，耿 海

（南京旅游職業(yè)學院，江蘇 南京 210000）

1 需求規(guī)模預測理論模型、計算工具及數(shù)據(jù)來源

1.1 Elman神經(jīng)網(wǎng)絡模型

本次預測采用的主要模型是Elman神經(jīng)網(wǎng)絡模型，該神經(jīng)網(wǎng)絡模型是J.L.Elman于1990年首先針對語音處理問題提出來的，是應用較為廣泛的一種典型的神經(jīng)網(wǎng)絡模型。

Elman神經(jīng)網(wǎng)絡是應用較為廣泛的一種典型反饋型神經(jīng)網(wǎng)絡模型。一般分為4層：輸入層、隱層、承接層和輸出層。其輸入層、隱層和輸出層的連接類似于前饋網(wǎng)絡。輸入層的單元僅起到信號傳輸作用，輸出層單元起到加權(quán)作用。隱層單元有線性和非線性兩類激勵函數(shù)，通常激勵函數(shù)取Signmoid非線性函數(shù)。而承接層則用來記憶隱層單元前一時刻的輸出值，可以認為是一個有一步遲延的延時算子。隱層的輸出通過承接層的延遲與存儲，自聯(lián)到隱層的輸入，這種自聯(lián)方式使其對歷史數(shù)據(jù)具有敏感性，內(nèi)部反饋網(wǎng)絡的加入增強了網(wǎng)絡本身處理動態(tài)信息的能力，從而達到動態(tài)建模的目的。Elman神經(jīng)網(wǎng)絡具有動態(tài)記憶功能，非常適合時間序列預測問題，所以應用Elman神經(jīng)網(wǎng)絡模型預測人才需求是比較適合的。

1.1.2 模型實現(xiàn)、訓練與應用

Elman神經(jīng)網(wǎng)絡適合處理時間序列問題，因此常用于一維或多維信號的預測，現(xiàn)以星級酒店人才需求預測為例來說明該模型的實現(xiàn)。

（1）樣本設計。

原始數(shù)據(jù)是連續(xù)18年的星級酒店從業(yè)人數(shù)，把這些數(shù)據(jù)作為訓練樣本，其中連續(xù)5年的從業(yè)人數(shù)作為訓練輸入，第6年的從業(yè)人數(shù)作為對應的期望輸出。

（2）模型的實現(xiàn)與訓練。

（1）口服腸道清潔劑。磷酸鈉鹽口服溶液是一種高滲性緩瀉劑，其腸道中可解離出不被吸收的離子，進而在腸中形成高滲環(huán)境，大量水分進入腸內(nèi)，激活腸黏膜層的局部神經(jīng)反射而增加腸壁的蠕動，提高腸道動力。磷酸鈉鹽口服溶液具有安全有效、耐受性好等優(yōu)點，尤其適合于成年患者[12]。腸液和復方聚乙二醇溶液的成分和電解質(zhì)含量相近，因此，當患者大量服用復方聚乙二醇溶液時，其對患者的體液代謝的影響很低，基本不會導致電解質(zhì)混亂的發(fā)生。并且，復方聚乙二醇溶液具有腸道清潔效果較好、不良反應較少等優(yōu)點。

本次實現(xiàn)模型的工具軟件為Matlab（版本為R2020b），Matlab是美國MathWorks公司出品的商業(yè)數(shù)學軟件，用于算法開發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計算的高級技術計算語言和交互式環(huán)境，并自帶了豐富的預定義函數(shù)和工具箱，其中神經(jīng)網(wǎng)絡工具箱為神經(jīng)網(wǎng)絡的使用者和研究者帶來了巨大的便利，提高了工作效率。

使用Matlab進行Elman神經(jīng)網(wǎng)絡模型編程時，可以使用工具箱提供的newelm或者elmannet函數(shù)進行創(chuàng)建，這里采用較新的elmannet函數(shù)，設置迭代次數(shù)為2 000次。為了取得較好的效果，訓練前對數(shù)據(jù)進行歸一化處理，最后用同樣的數(shù)據(jù)進行測試，并將訓練好的網(wǎng)絡保存，以備預測時使用。

（3）應用訓練好的模型進行預測。

將2001—2018年的數(shù)據(jù)輸入，使用訓練好的模型進行仿真計算，可以得出2019—2022年的預測數(shù)據(jù)。

1.2 灰色預測GM（1，1）模型

本次預測采用灰色系統(tǒng)模型作用對照模型。所謂灰色系統(tǒng)是指既含有已知信息又含有未知信息的系統(tǒng)，是由鄧聚龍教授在1986年提出的。由于它具有所需因素少、模型簡單、運算方便、預測精度高等優(yōu)點，可以較好地對非線性系統(tǒng)進行預測。在旅游人才需求的預測系統(tǒng)中，人才總數(shù)、結(jié)構(gòu)等信息是已知的，但也受外界諸如政治、經(jīng)濟、文化、科技、自然災害等因素的影響，存在很大的不確定性，非常符合灰色系統(tǒng)的特點，所以可以用灰色系統(tǒng)理論對旅游人才需求進行預測。

灰色系統(tǒng)常用的預測模型是GM（1，1）模型，GM（1，1）模型表示一階的、單變量的線性動態(tài)預測模型，其預測原理是將離散的隨機數(shù)，經(jīng)過生成變成隨機性被顯著削弱的較有規(guī)律的生成數(shù)，在此基礎上建立數(shù)學模型［1］。

1.2.1 編制計算軟件及誤差檢驗

GM（1，1）模型的計算涉及矩陣運算，特別是求逆矩陣，相當復雜和煩瑣，并且容易出錯，所以用手工計算去實現(xiàn)GM（1，1）模型顯然是不現(xiàn)實的，必須借助計算機進行運算，才能快速、準確地獲得結(jié)果。課題組采用的Matlab編寫計算程序來實現(xiàn)整個GM（1，1）模型計算過程，并用這一程序進行人才需求的預測。

1.2.2 誤差檢驗

本課題采用后驗差檢驗法評判模型的精度。后驗差是對殘差分布的統(tǒng)計特性進行精度檢驗，考察殘差較小的點出現(xiàn)的概率，以及與殘差方差有關的指標的大小，該檢驗法由后驗差比值C和小誤差概率P來共同描述。

按照C和P兩個指標可以綜合評判模型精度，各精度等級，如表1所示。

表1 后驗差檢驗法精度等級

1.3 數(shù)據(jù)來源

為了保證數(shù)據(jù)的準確和權(quán)威，本次使用的人才需求數(shù)據(jù)的來源是2001—2020年的《中國旅游統(tǒng)計年鑒》中關于星級酒店就業(yè)人數(shù)的相關數(shù)據(jù)。

2 需求規(guī)模預測與分析

2.1 灰色系統(tǒng)GM（1，1）模型預測

2000—2019年，全國星級酒店實際從業(yè)人數(shù)，如表2所示。

表2 2000—2019年星級酒店從業(yè)人數(shù)統(tǒng)計

將2010—2019年這10年的數(shù)據(jù)代入、使用軟件計算的過程不再詳細討論，只給出結(jié)果：預測誤差如表3所示；后驗差比值C=0.225，小概率誤差P=1，預測精度為1級，模型預測效果好。

表3 星級酒店就業(yè)人數(shù)與預測人數(shù)對比（灰色系統(tǒng)預測）

預測2020—2023年的星級酒店人才需求量，如表4所示。

表4 2021—2023年星級酒店人才需求預測（灰色系統(tǒng)模型）

2004—2019年，全國住宿業(yè)（為限額以上住宿單位，即年主營業(yè)務收入200萬元及以上）從業(yè)人數(shù)，如表5所示。

表5 2004—2019年住宿業(yè)從業(yè)人數(shù)

如果將這10年的原始數(shù)據(jù)作為序列輸入，預測誤差如表6所示。后驗差比值C=0.233，小概率誤差P=1，預測精度為1級，模型預測效果好，所以可以應用灰色系統(tǒng)模型進行預測，預測2020—2023年住宿業(yè)人才需求，如表7所示。

表6 住宿業(yè)就業(yè)人數(shù)與預測人數(shù)對比（灰色系統(tǒng)預測）

表7 2021—2023年住宿業(yè)人才需求預測（灰色系統(tǒng)模型）

2.2 Elman神經(jīng)網(wǎng)絡模型預測

把2000—2019年的從業(yè)人數(shù)作為原始數(shù)據(jù)，利用訓練好的模型進行仿真預測，預測結(jié)果與實際值的比對，可見平均誤差很小，真實值和預測差擬合得很好，如表8所示。預測2020—2023年星級酒店從業(yè)人數(shù)，如表9所示。

表8 星級酒店就業(yè)人數(shù)與預測人數(shù)對比（Elman神經(jīng)網(wǎng)絡預測）

表9 2020—2023年星級酒店人才需求預測（Elman神經(jīng)網(wǎng)絡預測）

因為住宿業(yè)的樣本數(shù)據(jù)量較小，為防止過度擬合，本次沒有采用Elman神經(jīng)網(wǎng)絡進行住宿業(yè)的數(shù)據(jù)預測。

2.3 兩種模型對比

對于星級酒店人才需求預測，灰色系統(tǒng)模型平均誤差為3.38%；Elman神經(jīng)網(wǎng)絡平均誤差為0.54%。兩者對于2020—2023年的預測如表10所示，從表中可以看出，對于星級酒店，兩者的預測有一定的差別，但總體趨勢一致，且差別在可以接受的范圍；考慮到灰色系統(tǒng)模型在單獨預測星級酒店數(shù)據(jù)時誤差就較大，而Elman神經(jīng)網(wǎng)絡模型預測星級酒店數(shù)據(jù)誤差較小，優(yōu)于灰色系統(tǒng)模型，且從上年度兩種預測結(jié)果與2019年實際數(shù)據(jù)驗證效果來看，Elman神經(jīng)網(wǎng)絡模型精確度高于灰色系統(tǒng)模型。這說明在本次星級酒店的預測上，Elman神經(jīng)網(wǎng)絡模型優(yōu)于灰色系統(tǒng)模型。

表10 2020—2023年星級酒店人才需求預測（灰色系統(tǒng)模型與Elman神經(jīng)網(wǎng)絡對比）

3 結(jié)語

從預測數(shù)據(jù)來看，星級酒店和住宿業(yè)的就業(yè)人數(shù)逐年減少（除Elman神經(jīng)網(wǎng)絡方法預測2023年從業(yè)人數(shù)比2022年稍有增加外），沒有提供新的工作崗位。但這不意味酒店企業(yè)不需要職業(yè)院校培養(yǎng)人才，這是因為：一方面，星級酒店和限額以上住宿業(yè)在整個住宿業(yè)市場中占比不大，僅靠這兩者的統(tǒng)計數(shù)據(jù)無法認識整個中國住宿業(yè)市場的全貌，在各種鼓勵民宿發(fā)展政策的持續(xù)利好下，中國民宿業(yè)市場將越來越繁榮。另一方面，酒店企業(yè)的高員工流失率仍造成了大量的員工需求缺口。根據(jù)《浙江民宿藍皮書2018—2019》的數(shù)據(jù)，截至2019年年底，浙江省民宿共計19 818家，直接就業(yè)人數(shù)超15萬人。據(jù)此計算，浙江省平均每家民宿約需要7名工作人員。另根據(jù)《中國旅游民宿發(fā)展報告（2019）》中的數(shù)據(jù)，截至2019年9月30日，民宿數(shù)量達到16.98萬家，相比2016年的逾5萬家增長217.06%。綜上推算，2016—2019年民宿業(yè)提供了近84萬個工作崗位，平均每年可以提供28萬個工作崗位。而職業(yè)院校開設民宿管家等相關專業(yè)方向相對較少，供給人才不能有效滿足民宿業(yè)的發(fā)展［2-3］。

綜上，旅游職業(yè)院校應根據(jù)酒店業(yè)、民宿業(yè)市場需求的變化，調(diào)整專業(yè)設置和課程設置，增加新業(yè)態(tài)的專業(yè)或課程，如民宿管理專業(yè)等。