隨著知識經濟的到來，作為企業核心競爭力的載體，人力資源對企業持續健康的發展起著日益重要的戰略性作用。然而，現代企業人力資源管理是一項復雜的系統工程，涉及方方面面的因素。企業人力資源管理的過程中充滿著行為和結果的不確定性，使得企業在人力資源管理方面存在一定的風險。

具體地，企業人力資源風險主要包括以下幾個方面：一是人力資源投資風險。人力資源作為一種資本，在其投資過程中必然伴隨著一定的機會成本。在現代企業管理過程中，需要在人力資源和技術和資本之間尋求一個最佳比率，人力資源投資過高或過低均無法使企業在最佳狀態運行，因此，人力資源存在著一定的投資風險；二是員工人身風險。員工工作中存在人身健康和安全的風險，企業缺乏對員工采取必要的保護措施，工作流程不合理等均會增加企業員工的人身風險；三是員工流動風險。人力資源作為企業的資本投資，在其資本價值未完全發揮之前，存在員工流動的風險。一方面，員工作為企業知識的載體，構成了企業的核心競爭力，員工的流動必然導致企業核心競爭力的流失，另一方面，員工流動還會造成商業秘密泄露、企業運行無法正常銜接等運營風險；四是內部控制風險。企業的內部控制直接以企業內部人力資源作為載體，如果人力資源管理不善，出現舞弊或不認真履職的行為，企業內部控制將有控制不足甚至失效的風險，企業的盲目擴張或不合理規劃等都會使企業承受一定的冗員風險，影響企業的運營效率。

基于模糊神經網絡人力資源風險預警模型的構建

基于事前控制的原則，建立相關預警模型是防范和化解企業人力資源風險的有效方法。筆者認為，基于模糊神經網絡的人力資源風險預警模型具有一定的針對性、實踐性和應用性。在企業里，勞動者對人力資源管理持何種態度、企業的人力資源政策如何以及企業的組織結構是構成企業人力資源風險的三個根源。在神經網絡預警模型中，企業領導者、人力資源政策和組織結構，是在人力資源風險評價模型中最重要的三個指標，其余指標都是在這三個指標的基礎上而得來的。只需使用這三個主要指標，就能對企業的人力資源風險進行評價，因此這三個指標也就自然地構成模糊神經網絡的輸入變量。

第二層實現的主要功能是把輸入變量實現模糊化，它是隸屬函數層。語言變量總共設置高、中、低三個標度，用n表示標度，輸入向量的分量用i表示。基于這種規則，某一個向量的某一個隸屬度，可以用μnAi（xi）來表示。這里的隸屬度代表的是每個風險影響因素所處狀態的置信度，可以通過專家打分的方式來獲得。

在第三層中，根據相關的空間分隔規則計算出總的模糊規則數，該人力資源預警模型總共包含35個模糊規則。雖然看上去規則數目的增多對于模型的構建以及相關計算增加了一定的難度和復雜性，但是結合相關原則加以判斷可知，其中一部分的規則發揮的作用不是很大。因此，要根據重要性的原則將不重要的規則予以剔除以減少工作量。根據這個原理，最終可以篩選出六個最重要的規則，這也就是第三層的關鍵節點，由此第二、三層形成了模糊化的關系。

上述模糊網絡預警模型的建立，表明參數為wij的網絡得以形成，基于模糊神經網絡多層性、前饋性的特征，其參數wij的學習算法的調整可以根據BP網絡的誤差反傳法進行設計。

建立模糊神經網絡模型，是為了建立企業的人力資源風險預警機制，企業應根據風險的相應情況發出警告并及時采取防范應對措施。根據筆者的觀察以及相關專家的研究，在風險級別劃分方面，以E表明人力資源風險的發生概率，當0≤E<0.3時，企業人力資源風險等級最低，0.3≤E<0.7時人力資源風險等級次之，當0.7≤E<1.0時，企業人力資源風險等級最高。

最后，企業根據該預警模型以及風險等級預警機制，將人力資源風險按照風險等級制定具體的應對和解決措施，合理地化解人力資源風險。