面向稅收預(yù)測(cè)的數(shù)據(jù)挖掘算法研究.pdf

1、隨著經(jīng)濟(jì)以及信息技術(shù)的發(fā)展，數(shù)據(jù)挖掘技術(shù)在各個(gè)領(lǐng)域的應(yīng)用也越來(lái)越廣泛。作為經(jīng)濟(jì)和社會(huì)的一個(gè)重要成分，稅收在國(guó)家財(cái)政收入中扮演著非常重要的角色。數(shù)據(jù)挖掘技術(shù)常被應(yīng)用于研究稅收預(yù)測(cè)問(wèn)題。財(cái)政預(yù)算工作的開(kāi)展以及稅收計(jì)劃的制定要以稅收預(yù)測(cè)結(jié)果為參考依據(jù)，所以稅收預(yù)測(cè)算法得到了稅務(wù)行業(yè)研究人員的高度重視。如何利用少樣本、多維度的稅收數(shù)據(jù)進(jìn)行高效的建模，是稅收應(yīng)用領(lǐng)域亟待解決的問(wèn)題。本文提出了運(yùn)用數(shù)據(jù)挖掘技術(shù)來(lái)預(yù)測(cè)稅收收入的方法，為提高稅收預(yù)測(cè)準(zhǔn)確

2、率做進(jìn)一步的研究。
　　首先，對(duì)歷史稅收數(shù)據(jù)集進(jìn)行預(yù)處理，以期獲得高質(zhì)量的稅收指標(biāo)樣本集。使用相關(guān)性分析和逐步回歸分析方法對(duì)稅收指標(biāo)進(jìn)行降維，求解不同稅種的關(guān)鍵指標(biāo)因子。針對(duì)默認(rèn)參數(shù)情況下基于支持向量機(jī)的稅收預(yù)測(cè)算法預(yù)測(cè)精度不佳的問(wèn)題，提出應(yīng)用網(wǎng)格搜索法對(duì)支持向量機(jī)算法中參數(shù)進(jìn)行改進(jìn)的方法，從而實(shí)現(xiàn)優(yōu)化的支持向量機(jī)稅收預(yù)測(cè)算法。
　　其次，針對(duì)預(yù)測(cè)算法的驗(yàn)證性和預(yù)測(cè)性問(wèn)題展開(kāi)研究，提出一種優(yōu)化組合稅收預(yù)測(cè)算法的方法。首先研究

3、基于灰色序列的GM(1,1)稅收預(yù)測(cè)算法和基于時(shí)間序列的ARIMA稅收預(yù)測(cè)算法，分別求解兩個(gè)算法的稅收預(yù)測(cè)值，將上述預(yù)測(cè)結(jié)果以及真實(shí)稅收數(shù)據(jù)集組成組合算法的實(shí)驗(yàn)樣本集。然后使用多層次網(wǎng)格搜索法求解使預(yù)測(cè)誤差最小的權(quán)重系數(shù)，實(shí)現(xiàn)優(yōu)化的組合稅收預(yù)測(cè)算法，達(dá)到提高預(yù)測(cè)精度和優(yōu)化預(yù)測(cè)結(jié)果的目的。
　　最后，利用真實(shí)稅收數(shù)據(jù)分別對(duì)優(yōu)化的支持向量機(jī)稅收預(yù)測(cè)算法和改進(jìn)的組合預(yù)測(cè)算法進(jìn)行實(shí)驗(yàn)驗(yàn)證。仿真結(jié)果表明，兩個(gè)算法的預(yù)測(cè)精度均比未改進(jìn)之前高，