基于BP神经网络的税收预测模型.pdfVIP

华南理工大学学报(自然科学版) 第34卷第6期 Journal of South China University of Technology Vo1．34 No．6 2006年6月 (Natural Science Edition) June 2o()6 文章编号：1000—565X(2006)06—0055—04 基于BP神经网络的税收预测模型 张绍秋 胡跃明 (华南理工大学 自动化科学与工程学院，广东广州510640) 摘 要：在分析影响税收主要因素的基础上，将反向传播(BP)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BP神经网络学习的要求，然后建立基于 BP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BP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；神经网络 中图分类号：TP183；F407．67 文献标识码：A 税收计划是税务机关根据当前税收运行情况， 时，比计量统计方法具有更大的优势，因为它无需事 按照现行税收制度和经济发展规律，对将来一段时 先知道描述自变量与因变量之问的数学方程式．此 期内税收运行情况的估计、规划和部署．税收预测是 外，BP神经网络的容错能力还允许输入样本中带有 在充分分析影响税收收入因素的变化和相关税收历 噪音，这对于采集样本受各种条件限制的经济预测 史资料的基础上，运用一定的预测理论、方法和模 问题而言具有重要的意义_2圳．本文基于BP神经网 型，对未来税收收入的前景做出判断．科学、准确的 络，尝试建立反映GDP与TAX非线性映射关系的 税收预测对于税收计划的正确制定有着重要的意义． 税收预测模型． 近年来许多学者利用计量统计方法，通过建立 1 研究对象与数据的预处理 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_】j．利用统计方法 研究税收预测，多从宏观上研究税收收入TAX 建立模型有严格的条件限制，所得到的模型只能是 与国内生产总值GDP的关系．为确保数据的可比 某种程度上的近似．此外，统计建模方法仪局限于一 性，文中以某经济特区市1994—2003年的GDP与 些特定的函数关系，而实际问题中的自变量与因变 TAX的数据为研究对象¨ ，因为我国在1994年后 量有着更复杂的关系，有时相同的自变量与因变量 实行“分税制”税收制度．本研究所用数据是有时间 在不同条件下、不同时期可能会有不同的函数关系． 先后的时间序列数据．由于时间跨度长，为了消除物 基于误差反向传播的多层前馈神经网络(BP神 价指数、通货膨胀的影响，必须对原始数据按当年价 经网络)是应用最广泛、最成功的神经网络模型．神 格进行转换．为不影响模型的预测效果，在原始数据 经网络模型在结构上具有并行处理、分布式存储和 中扣除了海关代征税与证券交易印花税．然后在所 容错性的优势，在功能上具有自学习、自组织和自适 得数据范围内，用式(1)对数据进行归一化处理，使 应的优势+理论上早已证明，包含一个隐含层的三层 样本数据落在[0，1]范围之内： BP前馈神经网络可以以任意精度逼近任意连续的 置= Xi--Xmin 函数．这种非线性映射能力使其用于预测建模问题 式中：置为待归一化的数据， 。表示对 归一化后 收稿日期：