基于BP神经网络和灰色模型的税务收入预测研究

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。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景

1.2 国内外研究现状

1.3 论文主要内容和章节安排

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

2.2 税收相关知识

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

3.2 BP神经网络理论

3.3 实例比较与分析

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

4.2 灰色模型的检验

4.3 实例比较与分析

4.4 灰色预测与BP神经网络预测的实验比较

4.5 本章小结

第五章 结论与展望

致谢

参考文献