基于ELman神經网络的税收预测模型-统计与决策.docVIP

基于ELman神经网络的税收预测模型 （咸宁学院 数学系，湖北 咸宁 437005） 摘　要: 在分析影响税收主要因素的基础上,将反馈型ELman神经网络理论应用于税收的预测。首先对初始数据进行预处理,使其适应ELman神经网络学习的要求,然后建立基ELman神经网络的税收预测模型。采用实际数据对模型进行验证,并将其与传统的统计模型相比较,证明了基于ELman神经网络的税收预测模型有较高的精度和较强的实用性。 关键词: 税收预测; 预测模型; ELman网络 中图分类号: TP183; 文献标识码: A 　 1 引 言 ,运用一定的预测理论、方法和模型,对未来税收收入的前景做出判断。科学、准确的税收预测对于税收计划的正确制定有着重要的意义。 近年来许多学者利用计量统计方法,通过建立税收收入( TAX)与国内生产总值( GDP)的代数函数关系式来进行税收收入的预测 。利用统计方法建立模型有严格的条件限制,所得到的模型只能是某种程度上的近似。 此外,统计建模方法仅局限于一些特定的函数关系,而实际问题中的自变量与因变量有着更复杂的关系,有时相同的自变量与因变量在不同条件下、不同时期可能会有不同的函数关系。 与计量统计方法相比，神经网络无需事先知道描述自变量与因变量之间的数学方程式，就可以以任意精度逼近任意连续的函数，神经网络的容错能力还允许输入样本中带有噪音这对于采集样本