基于灰色最小二乘支持向量机的地方政府行政编制规模预测研究  

Study on Combination Prediction Model of Local Government Staff Size based on Grey Least Square Support Vector Machines

作　　者：朱龙[1,2] 梁昌勇[1,2] 张月锋[1,2] 代犟[1,2] 陆文星[1,2] 

机构地区：[1]合肥工业大学管理学院,安徽合肥230009 [2]过程优化与智能决策教育部重点实验室,安徽合肥230009

出　　处：《经济与管理评论》2015年第4期154-160,F0003,共8页Review of Economy and Management

基　　金：国家自然科学基金面上项目"基于行为决策理论的隐性目标决策模型与方法研究"(项目编号:71271072);国家自然科学青年基金项目"物联网环境下的协同配送干扰管理研究"(项目编号:71201045);合肥工业大学产业转移与创新发展研究中心招标项目"中西部产业园区转型升级与创新发展路径研究"(项目编号:SK2014A075)的阶段性成果

摘　　要：加强地方政府行政编制规模预测研究,可以强化行政编制管理的科学化和规范化,可以为总量控制下行政编制的动态调整提供决策依据。针对行政编制规模数据的小样本、复杂非线性的特点,通过分析地方政府行政编制影响因素,将灰色模型和粒子群优化的最小二乘支持向量机模型结合建立灰色最小二乘支持向量机线性组合预测模型(GM(1,1)-LSSVM)。采用安徽省地方政府行政编制规模数据进行行政编制规模预测,并通过计算均方误差和平均绝对误差百分比两项模型性能评价指标,进行模型预测精度对比,对比结果表明,灰色最小二乘支持向量机组合预测模型具有较高的预测精度,能够有效预测地方政府行政编制规模。Strengthen prediction of local government administrative staff size can make government administrative staff size management more scientific and standardized, providing a basis for administrative staff size dynamic adjustment under the control total. Given ad- ministrative staff size is a small - sample, non - linear problem, we analyzed the local government administrative staff size influencing ~aetors, combined gray model and particle swarm optimization least squares support vector machine model （ GM （ 1, 1 ） - LSSVM ）, predicted administrative staff size using current data from Anhui Province, and calculated the mean square error and mean absolute per-centage error evaluating the accuracy of model. The comparison result shows that Grey Least square support vector machines prediction model has higher prediction accuracy, and the ability to predict the size of local government administrative staff.

关 键 词：灰色模型 最小二乘支持向量机 行政编制规模 组合预测 

分 类 号：F240[经济管理—劳动经济]