基于数据挖掘技术的温州市财政收入的影响因素分析与预测.pdf

Advances in Social Sciences 社会科学前沿, 2017, 6(12), 1510-1519 Published Online December 2017 in Hans. /journal/ass /10.12677/ass.2017.612212 Analysis and Prediction of Influencing Factors of Fiscal Revenue in Wenzhou Based on Data Mining Technology * Liangliang Zhuang, Huilin Huang , Tong Wu College of Mathematics and Information Science, Wenzhou University, Wenzhou Zhejiang rd th th Received: Nov. 23 , 2017; accepted: Dec. 7 , 2017; published: Dec. 14 , 2017 Abstract This paper established a Lasso model, which selects four key factors affecting the financial reve- nue of Wenzhou, such as the total wages of staff and workers, per capita consumption expenditure of urban residents, GDP and tax. On this basis, we also get the forecast values of above four factors especially from 2016 to 2018 by using GM (1, 1) model. Finally, we give the forecast values of fi- nancial revenue of Wenzhou from 2016 to 2018 by building an appropriate BP neural network model. Keywords Lasso Regression, GM (1, 1), BP Neural Network, Financial Revenue 基于数据挖掘技术的温州市财政收入的 影响因素分析及预测 * 庄亮亮，黄辉林 ，吴 统 温州大学数学与信息科学学院，浙江 温州 收稿日期：2017年11月23 日；录用日期：2017年12月7 日；发布日期：2017年12月14 日 摘 要 本文首先建立了Lasso变量选择模型，挑选出了影响温州市财政收入的四个关键性因素，即在岗职工工 *通讯作者。 文章引用: 庄亮亮, 黄辉林, 吴统. 基于数据挖掘技术的温州市财政收入的影响因素分析及预测[J]. 社会科学前沿, 2017, 6(12): 1510-1519. DOI: 10.12677/ass.2017.612212 庄亮亮 等 资总额、城镇居民人均消费性支出、地区生产总值和税收。在此基础上，分别针对这四个影响因素建立 GM (1, 1)模型，得到它们2016~2018年的预测值。最后，我们通过训练合适的BP神经网络模型，给出 了温州市财政收入在2016~2018年的预测值。 关键词 Lasso回归，GM (1, 1)，BP神经网络，财政收入 Cop