1、本文的研究課題來自教育部的重大項目“高校本科專業(yè)設置預測系統(tǒng)”中人才需求預測模塊.在當今的大學畢業(yè)生就業(yè)形勢比較嚴峻的情況下，以市場人才供求關系為指導，針對各個的不同行業(yè)，建立預測精度比較高、適用性較強的、人才需求預測模型，為教育部科學、合理地指導各個高校對本科各個專業(yè)的招生規(guī)模進行調整，提高辦學質量作科學的決策參考依據.政府和大學必須從宏觀上把握經濟、科技和社會發(fā)展對專業(yè)人才需求的變化趨勢，把握人才市場對大學本科畢業(yè)生的質量要求，尋找

2、大學專業(yè)設置和調整的市場依據.為此，我們就有需要找出對影響各個行業(yè)的人才需求的內在規(guī)律，從而建立各自不同的預測模型，通過預測未來各個行業(yè)的人才供求關系的變化，為大學專業(yè)設置與調整提供信息咨詢和決策指導，避免高校本科專業(yè)設置與調整的盲目性，從而使得人才的供給與社會的人才需求達到一定的平衡狀態(tài).
　　 本文的主要目的是，針對廣東省金融行業(yè)的人才需求，建立一個具有預測準確度高、能夠合理解釋人才需求與各個影響指標的人才需求預測模型.本文

3、主要在行業(yè)人才需求預測已有的研究基礎上從經濟、社會、教育、涉外經濟四個方面影響對人才需求的因素進行分析，建立了人才需求預測系統(tǒng)的指標體系[11]；由于影響人才需求數量的因素是多方面、動態(tài)變化并且各個因素之間是互相影響的，同時影響的方式是非線性映射關系的，而傳統(tǒng)的預測模型大都是基于自身的時間序列或者簡單的線性多元回歸預測模型，不能很好的解決此類問題.而BP和RBF神經網絡是一個具有強大的非線性函數映射能力和很強的容錯性和魯棒性的預測模型，

4、能夠較好的解決這些問題.
　　 因此在本文中首先利用BP神經網絡和RBF神經網絡，對2000年至2006年的歷史數據進行模型訓練，建立了廣東省金融行業(yè)的人才需求預測模型，并利用2007和2008年的數據對模型的擬合程度和預測結果進行分析，從中得出的結論是：BP和RBF神經網的擬合效果相當，但是RBF相對于BP網的預測準確度要高一些，但這兩個模型對2008年的歷史數據的預測誤差相對較大.因此本文在第四章針對BP網絡自身不足之處——