基于BP神经网络的税收收入预测模型

引言税收收入的增长与变化受多方面因素的影响,一方面,税收收入变化与税收政策强相关;另一方面,又随着经济的增长而增长,如,国民生产总值、财政支出总量、固定资产投资总量、社会消费品销售量、进出口额、职工工资额等许多因素,同时也存在着由未知不确定因素引起的随机波动。税收收入预测可以使用统计技术,统计技术中所使用的负荷模型一般分为时间序列模型和回归模型。时间序列模型的缺点在于不能充分利用对税收收入密切相关的国民生产总值等因素,导致预测的数据不准确和不稳定。回归模型虽然考虑了国民生产总值等因素,但需要预知国民生产总值等因素与税收收入间的精确解析关系,而这存在很大困难。众所周知,多层前向神经网络具有逼近任意非线性输入输出关系的能力,基于神经网络建立非线性税收预测模型是一种新的思路。有鉴于此,本文基于BP神经网络建立了税收预测模型,研究表明该模型具有收敛精度高、收敛速度快、泛化性能好的优点,具有推广应用价值。一、BP神经网 ...