文摘
变速装置(高等声乐教育)在中国发展迅速。与扩大的高等职业技术教育招生规模也迅速扩大。然而,塌下来的大发展,还面临着许多问题。摘要M_BPNN(马尔可夫神经network-BP)模型预测的发展职业教育的规模。使用摘要利用强大的非线性映射能力和误差校正思想,未来的数据信息职业教育的发展规模预测。结果表明,M_BPNN模型的预测精度是最好的,和MSE(均方误差)和绝笔(平均相对误差)是10.184和5.017,分别低于其他两个预测模型。这表明M_BPNN模型的预测效果优于纯马尔可夫模型。预测结果表明,H省的学龄人口将从336万年的2020减少年均近700000到2022年的206万年的最小值。在那之后,学龄人口会不断增加。结果表明,有一个相对短缺的地区的学生,招生规模是发展良好,但它仍不乐观。 It is necessary to coordinate the cross-regional development.
1。介绍
大力发展职业教育,加快人力资源开发是重要的步骤在实施科教兴国的理念的策略,通过加强省人才,促进经济结构的优化。发展模式,促进和再就业工作,和人口变化。变速装置(高等声乐教育)有两个好的和坏的方面。教育发展必须基于现在和展望未来,需要科学规划,了解人口趋势在这个过程中是至关重要的。高等职业教育、中等职业教育、职业培训中心,和业余职业教育构成一个全面的教育体系,提供人力资源对经济增长和扩张。更准确的预测的塌下来规模在中国可以提高政府的高等职业技术教育决策的可预测性,为制定的高等职业技术教育发展政策提供理论支持和战略计划,从而避免盲目扩张。
与全面建设小康社会的目标,中国社会和经济建设已经进入了一个新的发展阶段。政府高度重视职业教育的作用在社会经济和人类发展。这对我方人员在中国是一个重要的任务来预测科学的发展高等职业教育、指导高等职业的发展。麦格拉思做了一些初步探索预测参数和职业教育的发展规模的方法通过分析职业教育的现有成就的预测研究和借鉴其他类型的教育的预测思路和方法(1]。Trampusch结合马尔可夫模型与灰色模型和利用灰色马尔可夫模型预测公共云态度教育的变化趋势(2]。Prediger et al .,发展和理论推导的基础上在一个省,使用灰色模型作为预测模型,拟合的历史数据,作了一个短期的预测范围在一个省,并分析其发展趋势(3]。Okoye等人利用分位数回归,线性回归,灰色预测,指数平滑法、主成分分析和因子分析来预测城市的人才需求和教育规模在未来几年内(4]。研究内容而言,教育调查的提议和实验主题、内容的定义,对象的确定范围,建立假设,得出结论,并分析不是研究任务的教育统计数据,因为这些问题必须解决教育专业知识相关的研究内容。与其他教育类型的预测研究,系统的整体水平和科学研究在中国发展预测及打字仍然相当薄弱。
中国正在经历一段时间的工业重组和现代化,这创造了新的要求,高等职业发展以及新的挑战和机遇。结果,我们必须先彻底了解的现状在中国区域发展及打字,然后向后工作从那里为自己的发展找到一个合适的路径(5,6]。中国的职业教育以前所未有的速度增长,但质量参差不齐。提出大力发展职业教育的问题和对策在H省,研究区域,通过建立职业教育发展规模的预测模型基于马尔可夫模型,目标是探索和构建一个基本的职业教育教学模式的全面素质教育和能力的基础上,为促进当地的发展和提供参考职业教育在H省。
本文的主要贡献如下:(1)的原理的基础上,基于马尔可夫模型预测方法,建立M_BPNN的组合预测模型,可以准确预测职业教育的发展规模。(2)本文根据建立组合预测模型,掌握影响这个结果的相关因素和它们之间的关系,预测结果,然后提出相应的对策提供了依据。
2。相关工作
2.1。职业教育发展研究
有两个主要基地大力发展科:首先,在教育系统之外,也就是说,社会工业化、信息化、现代化,和相应的经济结构的变化,产业结构和技术结构。其次,在教育体系中,职业教育应该扩展到一个高水平,和变速装置应该丰富和改善。基础教育的发展提供了一个坚实的基础,大力发展高等职业和继续教育系统需要的高等职业技术教育中发挥重要作用。
Varghese等人综合城市化理论和区域经济发展理论、人力资本理论与职业教育发展理论和多元智能理论与现代就业理论,采用规范和实证相结合的方法,定性和定量相结合,辅以文献研究和比较研究,讨论职业教育的发展在城市化的过程中(7]。艾伦等人利用现代计量经济学方法建立模型反映了中等职业教育与区域经济发展之间的关系(8]。歌等人澄清基本概念和理论的线程职业教育和区域经济的协调发展通过文献检索和梳理9]。Chao-Hui等分析了区域经济发展的基本情况和特点(10]。劳伦等人提出了七个标准区域职业教育的整体发展,具体来说,东方和西方之间的联合招生,城市和农村地区,合作教育,职业教育,高等职业学校的学生资助政策体系与金融困难(11]。
瑞安等人指出,政府的新角色应该反映在政府从经理指导,从经理协调,从经理主管(12]。Girgin等人提出了中国地区职业教育的发展应基于服务于区域经济发展,加强学校和企业之间的关系,加强高校与政府之间的关系。Randell等人指出,外部环境因素影响发展的高等职业技术教育是地方政府的总体规划、区域经济发展的基础,区域人口结构、教育结构和区域背景(13]。荣等人分析了经济发展与农村经济发展的因素从农村高等职业发展的角度;结合相关的职业教育政策发布的状态,根据地区特点,本文提出了一些对策和建议,促进农村发展的高等职业技术教育(14]。Joyner从两个维度提出发展对策:政府的政策取向和相关行政部门,改革管理制度,深化内部管理体制改革中等职业学校(15]。
2.2。马尔可夫模型理论
近年来,马尔可夫模型已广泛应用于经济管理领域。其特点之一是,它没有后果。嗯(隐马尔科夫模型),隐藏的马尔可夫链状态可以从外部观察,推断出这是一个理想的模型来解决这类问题,其广泛应用的一个重要原因。嗯是double-stochastic隐状态基于马尔可夫过程模型,添加一个更现实的一般随机过程生成观测的马尔可夫链状态。
向量马尔可夫模型是马尔可夫模型与多个概率转移元素,它可以处理多个概率转移元素转移概率问题。Spahn等人应用向量马尔可夫模型的可靠性预测供应链分销服务,指示向量马尔可夫模型具有广泛的应用前景[16]。Ezawa等人提出了一种新的混合密度方法在连续混合密度嗯,可实现建模精度和鲁棒性的平衡17]。吴等人应用半连续HMM的建模和识别阿拉伯语字母。在他们的研究中,他们比较半连续和连续嗯嗯使用高斯分布,贝松分布、伽玛分布,可以大大减少计算量,同时确保识别速度(18]。
Baranwal等人提出了一种小波域嗯,可以解决依赖性问题的小波系数和估计,适用于信号监测、分类、预测和其他应用程序(19]。王嗯引入重要设备的运行状态的实时监控领域的工程管理,处理来自多个传感器的信号,判断设备的运行状态,并预测设备的剩余使用寿命。
3所示。方法
3.1。马尔可夫预测方法的基本原理
马尔可夫预测方法的基本原理可以简单描述如下:如果存在这样一个系统,系统的状态可以从一个状态转移到另一个根据状态转移矩阵;也就是说,它可以从当前的数据和最新的数据。如果是独立于历史数据,那么我们称这样的一个系统马尔可夫。这个转移过程称为马尔可夫过程,这一系列过程的集合称为马尔可夫链。马尔可夫过程的理论描述系统的状态和过渡状态。马尔可夫过程的数学描述如下。
假设 是一个随机的过程,如果满足以下条件对任何正整数: 在哪里 被称为马尔可夫过程。
马尔可夫过程有两个重要的属性,一个是没有后果,另一种是遍历性。后效意味着系统未来时刻的状态只取决于当前状态和与过去无关的系统状态。
马尔可夫链是一个随机的过程,没有记忆,也称为无后效,的状态在任何时刻只与前一时刻的状态在过去,并与其他时刻的状态,也就是说, 在哪里代表的状态 -时间模型和是指的状态的概率时间模型条件下的状态时间模型 ,这叫做状态转移概率。
马尔可夫链具有平稳性的特点、周期性、互操作性、遍历性和可逆性,除了无记忆。
3.2。马尔可夫预测模型建立
当一个人的职业地位在当今社会变化,他必须完成继续教育,获得新的专业技能,获得一个新的职业资格证书之前开始一份新工作。塌下来的内涵是流体和演变。它的范围可以从基本的大学职业教育大学或更高的教育。我方将有更大的灵活性和适应性是现代科学和技术,以及职业变化的加速度和技能更新,继续发展,并将为人们提供终生的多样化的教育机会。目前,大多数的中国专业技术人才都集中在传统产业,而新兴产业技术人才缺乏精通先进技术以及一流的专业技术人才,和所有这些必须培训,并通过变速装置。
产业结构决定了就业需要大量从高职院校的毕业生。尤其是高等职业毕业生在生产中是不可替代的。然而,现实情况是,不少高等学校资源闲置,不能招生,和真正的需求不强。因此,技术和职业学校缺乏必要的教育资金来源,和基础设施投资远未满足现代教育的发展需要。随着全球经济一体化、竞争和人才流动是不可避免的,和人才流动也很常见。一些省级关键技术学校缺乏学生在这种不公平竞争,导致一些一流的设施和优质职业教育资源被闲置,无法履行职责。上述所有严重阻碍了可持续发展的高等职业技术教育。
马尔可夫过程是一个随机过程理论,研究事件的状态和状态之间的转换规则。它研究状态的变化趋势在未来的某个时间,通过分析不同状态的初始概率在一定的时间和状态之间的转移概率的关系。这种状态的划分方法是基于这一趋势曲线预测的灰色模型,平行曲线是由上下两侧。每两个相邻曲线之间的区域被称为状态。
的非平稳随机序列符合马尔可夫链的特点,它可以分为状态根据特定的条件,和任何国家可以表示为 因为是时间的函数 ,灰色的元素 时间序列的变化;也就是说,国家所有是动态的。数量国家部门的价值 可以根据数据的数量和性质决定职业教育发展的规模。
让马尔可夫链状态空间 是 。对于任何两个国家 ,假设系统从状态 ,当它到达状态第一次是表示为 ;也就是说, 在哪里是一个随机变量,称为“第一个到达时间。“它的值是系统从状态并使最小的正整数的 。如果这样的不存在, 都是确定的。
转换矩阵,也被称为过渡矩阵,描述的结果 - - - - - -th过渡只是影响的结果过渡。在这里,我们让代表该州的次数出现在不同的时期,代表的次数通过国家 。的转移概率通过以下公式:
的公式,起着非常重要的作用在整个预测过程。更准确的值是,我们预测方法将会更准确。
例如,一个系统有三种状态,B和c,互相配合可以简单描述图1。
如果每个箭头表明,转移概率大于0之间国家和连接到它,这意味着国家可以转换到有一定概率的状态。图1说明,这三个州是相互关联的。
考虑到这一主题的终极目标是预测学龄人口,他们的意义是帮助我们挖掘孤立点,以便准确地定位错误的对象和修复学龄人口的数据错了对象。适龄人口的修正公式是
上面的修复方法不仅是错误的数据,也为零数据和冗余数据。识别和修复异常数据的步骤如图所示2。
当应用不同的马尔可夫链预测方法分析和解决实际问题,有必要首先检查随机变量序列是否具有“马尔可夫性质。“对于离散序列的随机变量,统计数据可以用来测试它们。
让索引值随机变量序列包含可能的状态,和使用表示频率, ,索引值的序列 从国家州后一步过渡。获得的值除以之和 - - - - - -th列过渡频率矩阵的每行和每列的总和叫做“边际概率”和标记为 ;也就是说,
然后,当足够大,统计遵循分布与自由度 ,在哪里转移概率:
数据的价值计算后得到。如果 ,它可以认为符合马尔可夫性质(18,19];否则,它可以被看作是马尔可夫链序列无法处理。
3.3。改进的马尔可夫预测模型对职业教育的发展规模
人口集中在城市的过程称为城市化。更大的城市人口的比例和更好的职业培训的发展条件,城市化率越高。没有考虑到其他因素,城市化的速度与超高压的发展呈正相关关系(8]。改善人才结构,我们不仅要关注整体质量改进,而且在各种各样的专业人员的培训和发展。社会结构性人才需求是分层的,所以应该高校培养的人才。毕业本科生,更不用说,学习是不可能的,没有必要的。因此,我们应该坚持协调发展的高等职业学院,本科和研究生教育在一个大学的规模。一系列的随机变量,它是一种传统的马尔可夫链预测方法计算未来时期的绝对分布使用马尔可夫链模型与步骤1和初始分布。因此,本文使用前后的性能指标增量作为输入的马尔可夫预测模型。
让性能指标序列 ,然后前后产品的增量
通过一步预测的马尔可夫预测模型,绝对的增量相对于下一个时刻获得,预测下一时刻的值是由下列公式计算:
由于分布式信息存储和并行计算性能的神经网络,它具有联想记忆能力的外部刺激信息和输入模式。神经元之间的这种能力是通过合作实现结构和信息处理的集体行为。尤其是BP神经网络(BP神经网络)20.)是一个重要的工具来研究预测问题,因为它的非线性映射,自我组织,错误反馈调整,泛化和容错。因此,本节提出了一种预测模型相结合的职业教育发展scale-M_BPNN (Markov-BP神经网络)。这个想法如下:(1)马尔可夫模型用于得到预测结果的情况下分析数学。(2)预测结果之间的相对误差序列的马尔可夫模型和真正的学龄人口。建立摘要,使用错误的相对序列作为输入数据的摘要,以便适应非线性函数。(3)叠加马尔可夫模型获得的预测价值的相对顺序错误得到的摘要,和最终的预测结果。
这个适龄人口的预测,选择的原则在隐藏层节点的数目是尽可能地减少节点的数量,简化网络模型在不影响网络预测的准确性。在本文档中,隐层节点的数目是确定以下函数(16培训开始后)和适当调整: 在哪里隐层节点的数量和吗输入层节点的数目。因此,我们采用3-8-1摘要,即输入层的节点数是3,隐层节点的数量是8,输出层节点的数目是1。
预测数据通过使用马尔可夫模型。在这里,我们不需要作为最终的预测结果,但我们继续预测数据之间的相对顺序错误和真实的数据 ,也就是说,人口的差异 : 我们人口的区别在哪里输入数据的摘要并使用滚动预测结构来预测未来 。
权向量的调整
的组件是
学习规则与传递函数采用神经元,所以没有必要计算传递函数的导数,也不仅具有学习速度快,精度高。重量可以初始化为任意值。
M_BPNN的组合模型的具体算法流程如图3。
具体算法描述如下:(1)设置初始值(2)马尔可夫模型计算得到的人口差异(3)确定理想的输入数据和输出数据的摘要(4)摘要利用规范化输入数据(5)火车摘要并预测下一个适龄人口的差异(6)故障是否符合精度要求,如果没有,纠错
4所示。实验和结果
M_BPNN模型介绍了摘要算法,它打破了传统数学的固定模式。通过使用自己的结构机制和历史数据的学习和培训,我们可以调整法律适应未来的变化。因此,摘要具有非线性特征的引入,这是很大的帮助来调整人口数据的特点。Sim函数是用来预测未来人口差异,和人口预测的区别是叠加马尔可夫模型的预测结果得到未来人口学龄预约(预约登记)。预期的结果在图所示4。
为了进一步评估和比较模型的预测性能,我们推出以下指标来比较和分析本文提出的模型MSE(均方误差)和绝笔(平均相对误差)。模型的预测性能的评价结果如表所示1。
我们可以看到M_BPNN模型的预测精度最好,MSE和绝笔10.184和5.017,分别低于其他两个预测模型。第二个是摘要模型,最后一个是纯粹的马尔可夫模型。马尔可夫模型是一个基于数学分析模型。它使用统计学知识来构建状态转移矩阵,从而达到适龄人口预测的目的。但是,它只能预测学龄人口的总体趋势,并预测结果是粗糙的。
M_BPNN模型利用摘要的能力来处理非线性信号,间接地预测未来人口数据的时间序列预测的相对顺序错误。因此,单独使用马尔可夫模型相比,预测精度有所改善。这样,人口数据的时间序列中包含的信息可以更准确地描述和完全。最后,摘要是用来预测适龄人口。实验表明,M_BPNN模型有最好的预测结果。调查数据的基础上H省统计局2020年,20岁的学龄人口总数在2020 - 2025年预计。预测结果如表所示2和图5。
结果表明,M_BPNN模型是相当成功的应用。测试后,两组数据的偏差率很小,这表明预测是可靠的。
科阶段在H省的人口在最低阶段。适龄人口将从336万年的2020人下降,平均每年下降近700000到2022年的206万年的最小值。之后,尽管适龄人口将稳步增长,总量不会超过230万。总之,2020年之后,在H省总人口的高等职业技术教育阶段不会波动太大(见图6)。
一般来说,对全职教师的需求与两个因素有关。首先,在学校里学生的数量,对全职教师的需求直接在学校学生的数量成正比;另一个是师生比率,还有各级学校间的差异。基于上述预测的塌下来学生的招生,全日制高等职业教师的需求预计从2020年到2025年。结果如图所示7。
天气预报显示,从2020年到2025年,全职教师的需求将会增加,然后下降,之后会稍有上升2020。虽然全职教师的总体趋势呈下降趋势从2020年到2025年,全职教师的需求仍呈下降趋势,和老师当时正在增加。对高素质人才的需求在中国经济和社会的发展,为了提高教学质量的塌下来,塌下来的师生比率降低,所以对教师的需求将继续增加。
这个预测使用两种方法来预测在高等职业教育基金预算。首先,它的计算方法是基于人均教育支出在2020年的预算及打字;第二,它是基于2020年高等职业教育基金预算,它是衡量的标准与中国国内生产总值(GDP)的同步增长。根据上述预测学生的数量在这篇文章中,教育经费的预算预计。参见图8的结果。
预测结果表明,如果教育预算支出预测根据一个固定的标准,它将显示第一个略有降低,然后增加的趋势,它将在2024年降至401.25亿元的底部,122.38亿元不足523.63亿元2020年,和2025年409.36亿元,比2024年增加8.11亿元。根据国内生产总值(GDP)增长,增长的趋势将继续从2020年到2025年,2025年从2020年的663.93亿元,全年1136.27亿元,增长71.14%。的发展需要政府的政策和资金的支持,社会的支持,当然专业协会自己的努力。也就是说,职业培训的发展需要政府的共同努力下,社会和学校,这是必不可少的。H省可以采取以下对策来开发科。
加强改革:第一,成立作为发起者,劳动力和工业部门的直接参与,以及适当的有关管理部门和机构的参与。第二步是改革公立高等职业学校的管理。我们将积极吸引私人资本和外部基金采用各种形式,如“共享合作,”“非政府公共援助,”和“项目融资”,并引入私人办学机制在公立学校通过深化体制机制改革。第三,继续改革公立学校人事分配制度。我们应该科学地设置在学校内部机构和岗位,实现灵活的管理方法,全面实施教学和行政人员就业系统,改善学校的薪资结构,根据公共机构的改革方向。
建立和完善职业教育基金的保障机制:建立一个金融输入系统兼容的规模经营学校和教育培训需求和实现多元化投资体系基于公共财政都是必要的。根据产业升级和经济转型的需要,我们将继续加强职业教育基础能力建设,提高职业学校运行的条件,增加经验和实践培训和教学设备。此外,加强和提高职业学校教师管理。提高高职教师教育和培训系统在连续的基础上,建立职业教育师资培训基地,依靠大学内外。并建立一系列的职称和评价系统为教师在专业学校,以及改进和完善教师的职称制度专门学校。
实施战略管理:从上面的预测结果,在H省职业教育取得了跨越式发展,将进入一个相对稳定和内涵在未来发展道路。因此,在H省职业教育应该寻求发展方向的最佳组合,规模、质量和速度,使相应的整体战略规划和设计。变速装置的规模经济的优势不是绝对的。如果规模超过一定范围时,将增加的成本和降低整体优势。如果发展规模不够大,就会缺乏竞争力。当然,高质量和高速度的发展不能提及。及时做出科学合理的决策,实现了战略管理,并保持发展方向、规模、质量、和谐和速度,这是其战略成功的关键。
加强师资队伍的结构:打字水平的提高在很大程度上是依赖于教师的整体素质。然而,高等职业院校在H省受到教师短缺,质量差,任意结构,缺乏实践能力,缺乏学术带头人和骨干教师。H省还应该花大量的钱在技术和建立培训中心教师专业教育。高职院校应制定教师培训计划基于学校的现状和发送定期培训教师。教师可以鼓励参加各种培训项目一方面。老师培训中心,另一方面,可以组织一些最好的教师和学者在相关领域的传授学科知识和培养教师的创新能力。与自上而下的教师培训网络连接,左右沟通,分工,合作将形成覆盖全省职业教育重点建设基地,以省级高职教师培训为领袖,技能培训的企业和机构为补充,和学校高职院校为主体的培训。
5。结论
职业教育是国民教育的重要组成部分,和职业教育的发展是一个重要的基础和教育战略政策,促进经济和社会发展。这是一个重要的任务对中国职业教育研究人员预测未来发展职业教育的规模与科学方法。本文应用马尔可夫理论预测职业教育的发展规模,状态转移矩阵是通过使用统计知识。因为人口数据的时间序列非线性,本文结合马尔可夫理论与构建M_BPNN摘要。研究表明,M_BPNN模型的预测精度是最好的MSE和绝笔10.184和5.017,分别低于其他两个预测模型。实验证明,M_BPNN模型的预测结果是最好的。预测结果表明,H省的适龄人口预约阶段是在低谷阶段,与适龄人口将从336万年的2020人减少到206万年的最小值在2022年均近700000人。之后,适龄人口将稳步增加,但总人数不会超过230万人。2020年之后,在H省高等阶段的总年龄人口波动小。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者没有任何可能的利益冲突。