螢火蟲算法改進支持向量機的高校就業率預測

1 引言

近年來，國內高等教育由精英式教育逐漸邁向大眾式教育，那么高校畢業生的就業情況就變成了高校教育領域研究的重點，同時也成為了全社會重點關注的領域。隨著高校招就處的不斷擴大招生，高校畢業生的畢業人數也隨之不斷增加，從1999年的84.76萬增加到2019年的834萬，增長了將近10倍左右，從而導致高校畢業生的初次就業率的普遍下滑[1]。同時，高校就業率的高低，不僅是國家和社會評判大學生就業形勢最直接的工具，也是評判一所高校教育質量好壞和辦學水平高低的尺標[2]。因此，高校學生初次就業率的有效評估成為了教育領域亟需解決的重要問題，而高校就業率的評估模型通過分析歷年高校畢業生的初次就業率，去預測將來的高校學生的就業情況[3]。以此為依據，建立高校就業率評估優化算法[4-5]，對評估高校教學質量及當前大學生就業工作有著極為重要的意義，引起了眾多專家、學者的廣泛關注。

目前各高校都累計了多年的就業數據，但缺少對就業情況的深入研究和分析，從而不能進一步地為高校大學生的就業率提供高效的預測和有價值的決策數據[6]。因此，有研究者采用基于時間序列的預測方法[7-8]對高校大學生的就業情況進行分析，便于找到就業率與時間序列算法的關系，從而建立就業預測模型，例如灰色系統模型、神經網絡模型等[9]。灰色系統模型[10]是將高校就業情況比作一個灰色系統，通過灰色系統算法對就業率進行模型建模，從而實現預測大學生的就業率情況，然而該算法只適用于一直增長的就業數據進行分析，但是高校學生就業數據量有時會出現下降的趨勢，導致獲得高精度的就業率有一定的難度[10]。……