当前,我国GDP增速下行,经济进入新常态阶段。面对经济当下的困局,我国政府提出加强供给侧改革,淘汰落后产能,这必然会导致部分员工下岗,因此也引发了社会上关于供给侧改革将引致“失业潮”的激烈讨论,诺贝尔经济学奖获得者约瑟夫·斯蒂格利茨指出：没有充足的需求,供给侧改革反而会增加失业。供给侧改革是否会导致大量失业,答案还是未知数。但无论是否增加失业,建立失业预警机制,动态掌握失业状况,同时结合数据挖掘技术和数学方法,对影响失业的重要因素进行分析,并在失业危机爆发前进行事先调控,无疑具有十分重要的意义。失业预警指标体系的构建、失业预警模型的选择是现阶段研究失业预警的关键问题。失业预警指标体系的构建方面,在以往研究中,指标体系建设不完善,忽视了失业状况本身和社会保障会影响失业变动。本文从国民经济发展、劳动力、生活和价格、社会保障和失业状况等方面选取了24个因素作为初选指标,通过相关分析和随机森林筛选指标的比较分析后,选用随机森林筛选出的10个相关程度较高的指标作为白变量。在失业的测度方面,绝大部分的研究选择的是城镇登记失业率,但是登记的城镇失业人数并不能有效替代社会失业人员情况,因此选用城镇登记失业率作为失业的测度并不合理。本文采用中国农业隐性失业率公式计算农村隐性失业人数,与政府公布的城镇失业人数相加作为全国失业人数。以此得到的失业率作为失业的测度。在失业预警模型的选择上,较少研究采用机器学习模型,鲜有对各模型预测效果进行比较。本文首先通过对1994-2013年的指标数据构建多元线性回归模型,得到线性关系不显著,然后采用支持向量机回归、随机森林和人工神经网络三种模型对失业率进行预测,对预测效果进行比较分析。结果表明：支持向量机回归的预测效果最好,其次是随机森林,人工神经网络的预测效果最差,同时随机森林给出了指标重要性程度。最后,利用扩散指数,判断失业率的变动,并根据不同的警戒信号,分析失业警情。本文提出了一种构建失业预警系统的思路,采用机构化系统开发方法,将系统分为信息采集、信息预处理、失业预测、失业警报及专家咨询五个功能模块,将指标体系和预测模型应用在失业预测模块,将基于扩散指数的失业预警应用在失业警报模块。