現(xiàn)代控制技術(shù)在建立稅收預(yù)測模型中的應(yīng)用研究.pdf

1、本論文的研究目的是利用現(xiàn)代控制領(lǐng)域的新技術(shù)建立科學(xué)的稅收預(yù)測模型，以促進(jìn)稅收預(yù)測工作走向科學(xué)化、精細(xì)化的道路，使預(yù)測結(jié)果更加可靠、準(zhǔn)確，更好地輔助稅務(wù)機關(guān)決策。稅收計劃是國家預(yù)算的重要組成部分，是稅務(wù)機關(guān)在一定時期內(nèi)組織國家稅收收入的目標(biāo)，是衡量稅收工作質(zhì)量的主要標(biāo)志。準(zhǔn)確預(yù)測稅收收入的規(guī)模對國民經(jīng)濟(jì)持續(xù)、穩(wěn)定、高速發(fā)展有重大的意義，對創(chuàng)建公平、競爭的市場經(jīng)濟(jì)以及和諧穩(wěn)定的社會起著重要的作用?？煽?、準(zhǔn)確的稅收預(yù)測是稅收計劃的前提與基礎(chǔ)，

2、是制定科學(xué)的稅收計劃的必要條件。 本文首先利用傳統(tǒng)計量經(jīng)濟(jì)學(xué)中的統(tǒng)計回歸方法分別建立了稅收預(yù)測的趨勢模型、影響因素模型以及自回歸模型。經(jīng)過統(tǒng)計學(xué)檢驗和預(yù)測法檢驗，證明模型可靠，解釋能力強，預(yù)測精度較好。作者從經(jīng)濟(jì)理論上解釋了模型的合理性，闡述了其經(jīng)濟(jì)意義，并從模型中總結(jié)出一些定量的結(jié)論。 為避免“虛假回歸”現(xiàn)象，作者利用協(xié)整理論分別檢驗了相關(guān)時間序列的穩(wěn)定性、單整性和協(xié)整性，在此基礎(chǔ)上，建立了稅收預(yù)測的誤差修正模型。經(jīng)檢

3、驗，該模型預(yù)測精度較高，可以滿足實際預(yù)測工作的需要。該模型將影響稅收的來源分解成兩部分：短期波動和長期均衡，使稅收預(yù)測更加符合實際情況。作者從經(jīng)濟(jì)學(xué)角度對這兩部分進(jìn)行了解釋與說明，闡述了其合理性。 本文重新審視稅收與經(jīng)濟(jì)的關(guān)系，將其從傳統(tǒng)可解析的某種數(shù)學(xué)方程關(guān)系上升到非線性映射關(guān)系。這種認(rèn)識更加符合實際情況。BP神經(jīng)網(wǎng)絡(luò)具有非凡的非線性映射能力與泛化能力，作為目前被廣泛使用的非線性建模工具，它可用于稅收預(yù)測的建模。本文利用這個高

4、效工具，成功建立了基于BP神經(jīng)網(wǎng)絡(luò)的單變量模型與多變量模型，經(jīng)檢驗，兩個模型性能較好，預(yù)測結(jié)果準(zhǔn)確。此外，針對BP網(wǎng)絡(luò)的缺陷，提出了改進(jìn)的方法，提高了BP網(wǎng)絡(luò)的學(xué)習(xí)性能與泛化能力，較好地解決了擬合與泛化的矛盾，避免了過度擬合的現(xiàn)象。 依靠誤差梯度信息進(jìn)行學(xué)習(xí)的BP神經(jīng)網(wǎng)絡(luò)容易陷入局部極小，而多點隨機尋優(yōu)的遺傳算法具有全局尋優(yōu)的優(yōu)勢，本文將遺傳算法用于BP神經(jīng)網(wǎng)絡(luò)的權(quán)值與閾值的尋優(yōu)過程，建立了基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)稅收預(yù)測