人力资源规划是人力资源管理的前提,而人力资源规划的基础工作是进行人力资源需求预测,科学合理的人力资源需求预测结果可为企业的人力资源规划和战略决策提供重要的数据支撑,使人力资源管理能够为企业目标的实现更好地发挥作用。而科学合理的预测结果建立在行之有效的人力资源需求预测模型上。近年来,在对人力资源需求预测的研究中,学者们提供了许多方法,不同的预测方法在特定环境下都有自己的优势。由于人力资源需求受多种因素的影响,各因素与人员需求间存在高度的非线性和不确定性,以及企业人力资源数据的不完整性和不准确性等特征,本文选择了GM(1,1)模型和BP人工神经网络预测模型作为预测模型。GM(1,1)能够对贫信息的、繁杂无序的单数据序列进行数据挖掘,找出内部规律,避免了不确定因素的影响。并且本文着重对GM(1,1)自身缺陷进行改善,拓宽了其适用范围,使之更适合企业人力资源需求预测特征。而BP人工神经网络具有模仿多种函数的能力,它将样本数据的输入及输出过程转换为非线性函数的最优求解过程。本文将第三章构建的人力资源需求预测指标体系作为BP神经网络的输入,企业人员总数作为输出,使人力资源需求影响因素与人力资源需求之间非线性拟合困难的问题得以解决,同时它具有较强的容错性,这就令计算过程中的推测更为准确。但是GM(1,1)模型和BP人工神经网络均有自己的适用条件,文章对预测方法选择的维度进行分析,根据两模型对样本数据量要求的不同,将二者组合,构成基于企业现实样本量的人力资源需求预测组合模型。该组合模型的构建可以使企业根据自身样本数据取得情况,选取恰当的预测方法,从而使预测过程更具有灵活性,预测结果更加精确,并通过两家企业进行实证分析,说明模型预测流程,旨在为企业提供一种更具有普遍适用性,灵活性、精确度更高的人力资源需求预测方法。