近年来,随着我国教育事业的发展,全国大多数的中职院校和普通高等院校的招生名额逐渐增加,毕业学生数量也随之增长。社会经济发展对不同专业技术人才的需求迥异,不同区域就业不均衡。在越发复杂的就业环境下,中职院校的学生不得不面对更加巨大的就业压力,在更窄的就业领域相互竞争,因此,需要对中职院校学生进行更好地就业指导与预测。本文利用了宁夏中卫市三所中职学校的学生数据库信息,基于国内外相关研究成果,分析了影响中职学生就业的关键因素。影响中职院校毕业生就业的因素复杂多样,数据特征维度较高,特征之间联系稀疏,属性复杂多样,既有离散特征,又有连续特征。基于中职学生的就业数据特征,本文运用具有强大学习能力和拟合能力的深度神经网络对中职学生进行就业预测,为学校有效指导学生就业提供参考。本文回顾和总结了深度前馈神经网络的相关理论,构建了基于深度前馈神经网络的中职学生就业预测模型,包括输入层、多个隐藏层和输出层。将Adam算法作为模型的优化算法,隐藏层选择计算方式相对简单的Re LU作为激活函数;将多分类交叉熵函数作为模型反向传播的损失函数,用来在训练时评估网络模型的性能;使用Dropout和批量归一化方法解决模型的过拟合,以避免模型泛化效果较差的问题;输出层使用Softmax激活函数。最后,通过基于网格搜索的模型调参方式找出模型的最优参数。实验中通过与随机森林、梯度提升决策树、支持向量机等传统机器学习算法的对比,验证了所提算法的有效性。基于以上中职学生数据及预测模型,本文对中职毕业学生就业预测系统进行了需求分析,进行了中职学生就业分析预测系统的软件框架和数据库设计,并依据分析结果对系统进行了模块化的设计。通过把提出的深度前馈神经网络预测模型应用到预测系统中,实现了一个适用于中职院校学生就业预测和指导的软件系统。