我国现行高校本科专业设置基本都是在计划经济时期确定，是教育部的专业目录来定的，使得国内大多数高校的专业设置基本一致，教材也基本类似.然而，在市场经济条件下，社会对人才的需求是动态变化的，高校很难直观的根据市场需求来调整专业设置，从而导致了专业人才产出与需求间的不匹配.因此，国家教育部发布了重大项目“高校本科专业设置预测系统”来对此问题进行研究，本人为该项目组成员，取该项目的子课题——行业人才需求的预测进行研究.　　 就目前对人才需求的研究状况来说，主要存在以下两点问题：一是没有针对行业级以及产业级的人才需求做系统的研究；二是使用模型和方法比较单一，没能综合考虑各种影响，往往只把它当作时间序列，或者只考虑了经济方面的影响因子.针对这两个主要问题，在项目组的前期工作下，本人对行业级的人才需求预测工作进行系统地研究.　　 经分析研究，行业人才需求预测有三个主要问题：一、由于早期缺乏合理统计，所涉指标与数据十分庞大，涉及多部门、多地区，采集难度很高，使得这方面的数据比较短缺，可用样本数偏少；二、行业人才需求是一个复杂的量，涉及到的影响因子众多，需要系统的分析其影响指标；三、作为预测系统进行开发，模型的效率不容忽视，在算法方面需要尽可能地降低复杂度.针对问题一，通过分析研究，本文选择了适用于“小样本”情况下的支持向量回归模型；针对问题二，本文经项目大组中教育学院和教科所等专家的共同研究，从经济、社会、科学技术、涉外经济四个方面进行分析,建立了人才需求预测系统的指标体系；针对问题三，本文尝试了效率比较高的LS-SVM算法，同时对于ε-SVM采用遗传算法进行参数选择方面的优化，避免了一般参数选择的效率问题.　　 通过以上几点分析，本文主要建立了基于遗传算法的支持向量回归预测模比实证分析，结果显示GA-SVR的优异性以及LS-SVM的有效性，于是，在不损失效率的前提下对这两种模型进行组合，使得预测精度得到进一步提高.受客观条件限制，数据相对缺乏，预测精度还不算特别理想，然而“高校本科专业设置预测系统”是一个长期的项目，随着时间的推移，数据逐渐丰富，预测质量也必定有所提高.