基于BP神经网络和灰色模型的税务收入预测研究

论文摘要

税收是以国家为主体,为实现其职能,凭借政治权力,按照法律规定,强制、无偿取得财政收入的一种特定分配形式。随着经济的发展,对税收收入进行预测显得越来越重要,它决定着税收计划的制定和经济的决策,然而由于税收成分及相关因素的影响,对税收收入进行较为准确地预测,仍是一项需要深入研究的课题。本文首先介绍了常用预测模型的基本概念、方法,着重分析了自回归移动平均模型、马尔可夫链模型和指数平滑法等预测中常用的方法和相关内容,并提出了基于灰色算法模型的税务预测和基于BP神经网络的税务预测研究方法,分析了其原理及算法。在此基础上本文设计实现了预测程序,以陕西省商洛市商州区国税局的实际税收数据为样本,进行仿真测试,对测试结果和实际数据进行比较,得出预测误差达到精度标准要求的结果。最后对灰色模型和BP神经网络模型进行了对比,分析了各自的优劣性及适用环境。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景
• 1.2 国内外研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 论文主要内容和章节安排
• 1.3.1 研究内容
• 1.3.2 章节安排
• 1.4 本章小结
• 第二章 预测模型相关理论与税收介绍
• 2.1 常用预测模型
• 2.1.1 自回归移动平均模型
• 2.1.2 马尔可夫链模型
• 2.1.3 指数平滑法
• 2.2 税收相关知识
• 2.2.1 主要税种介绍
• 2.2.2 税收预测方式与环境
• 2.2.3 税收预测中应注意的问题
• 2.3 本章小结
• 第三章 基于BP神经网络的税务预测研究
• 3.1 人工神经网络
• 3.1.1 人工神经网络介绍
• 3.1.2 人工神经网络的发展
• 3.1.3 人工神经网络的特点
• 3.1.4 人工神经网络基本构成
• 3.1.5 人工神经网络学习方式
• 3.2 BP神经网络理论
• 3.2.1 BP神经网络工作原理
• 3.2.2 BP神经网络算法描述
• 3.3 实例比较与分析
• 3.3.1 实验数据的选择
• 3.3.2 程序的实现
• 3.3.3 BP神经网络训练过程
• 3.3.4 BP神经网络预测结果
• 3.4 本章小结
• 第四章 基于灰色模型的税务预测技术研究
• 4.1 灰色模型介绍
• 4.1.1 灰色系统的概念与原理
• 4.1.2 GM（1,1）灰色预测模型的建立
• 4.2 灰色模型的检验
• 4.2.1 GM（1,1）模型预测精度检验及指标介绍
• 4.2.2 GM（1,1）模型检验的实例应用
• 4.3 实例比较与分析
• 4.3.1 预测模型的实现
• 4.3.2 税务预测实验
• 4.3.3 实验结果比较与分析
• 4.4 灰色预测与BP神经网络预测的实验比较
• 4.4.1 灰色模型与BP模型的比较
• 4.4.2 实际预测比较
• 4.4.3 实际预测结果分析
• 4.5 本章小结
• 第五章 结论与展望
• 致谢
• 参考文献