摘 要：文章针对我国人均国内生产总值和三次产业的就业结构之间的关系进行了分析和研究，并利用长短期记忆网络（LSTM）模型进行了拟合，大大提高了拟合精度。该模型基于时间序列数据对就业结构进行了研究，总结出我国三次产业就业结构发展的一般规律，并对我国未来一段时间内就业结构的发展趋势作出了预测。
关键词：人均国内生产总值；就业结构；LSTM 模型；发展趋势
DOI:10.19850/j.cnki.2096-4706.2022.02.038
中图分类号：TP273+.4 文献标识码：A 文章编号：2096-4706（2022）02-0150-04
Research on the Development Trend of China's Employment Structure Based on Deep Learning
LI Yongzheng
(College of Information Engineering, North China University of Water Resources and Electric Power, Zhengzhou 450045, China)
Abstract: This paper analyzes and studies the relationship between China’s per capita GDP and the employment structure of the three industries, and uses LSTM model to fit, which greatly improves the fitting accuracy. This model studies the employment structure based on time series data and summarizes the general law of the development of China's three industrial employment structure, and forecasts the development trend of China's employment structure in the future.
Keywords: per capita GDP; employment structure; LSTM model; development trend
参考文献：
[1] 何盛明 . 财经大辞典 [M]. 北京：中国财政经济出版社，1990.
[2] CLARK C. The Conditions of Economic Progress：3rd [M].London：Macmillan，1957.
[3] 库兹涅茨 . 各国的经济增长 [M]. 北京：商务印书馆，2021.
[4] 江小涓，李辉 . 服务业与中国经济：相关性和加快增长的潜力 [J].经济研究，2004（1）：4-15.
[5] 黄洪钟，孙道恒，陈新 . 结构优化与分析的神经网络计算原理 [EB/OL].[2021-12-01].https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=SNAD&dbname=SNAD&filename=S NAD000000021357&uniplatform=NZKPT&v=TjRX_0fSS4sAet85 v4sdLXRBhcWN8PQjxtIi3vwL8fibWfuTwnZvIKvJMAd2Daf7f3n oMlfsQRI%3d.
[6] 姜凡 . 基于长短期记忆神经网络的短期电力负荷预测研究[D]. 湖北：湖北工业大学，2021.
[7] 易礼秋，谷云东 . 基于长短期记忆神经网络的短期电力负荷预测 [J]. 中州大学学报，2021，38（4）：109-116.
[8] CHRISTOPH J，BERKENBRINK C，BRITTA S. Prediction and reconstruction of ocean wave heights based on bathymetric data using LSTM neural networks [J/OL].Ocean Engineering，2021，232：[2021-12-08].https://www.sciencedirect.com/science/article/abs/pii/S0029801821004819?via%3Dihub.
[9] CHENG N，KUO A. Using Long Short-Term Memory（LSTM）Neural Networks to Predict Emergency Department Wait Time [J].Studies in health technology and informatics，2020，270：1425-1426.
[10] 陈亮，王震，王刚 . 深度学习框架下 LSTM 网络在短期电力负荷预测中的应用 [J]. 电力信息与通信技术，2017，15（5）：8-11.
作者简介：李永政（1994—），男，汉族，山东济宁人，硕士研究生在读，研究方向：大数据处理与分析