10.13999/j.cnki.tjllysj.2023.01.012
RF-BPNN模型在税收预测中的应用研究
税收对于平衡财政收支、宏观调控具有十分重要的意义.通过对税收收入的预测和分析,政府部门可以合理制定相关政策和税率,有助于维持国家经济的平稳运行.以广东省为研究对象,采用LASSO-SVR、RF-SVR、LASSO-BPNN、RF-BPNN四种组合模型对广东省2012-2021年的年税收收入数据进行对比预测.组合模型结合了变量筛选、线性和非线性的特点,简化模型的同时提高了泛化能力.通过数据拟合与模型参数调整,得出在所用的所有模型中,RF-BPNN模型的精度优于其他模型的结论,为今后的税收预测研究提供了新的思路.
税收收入预测、LASSO算法、随机森林算法、支持向量回归、BP神经网络
F812.42(财政、国家财政)
吉林省社会科学基金项目;广西壮族自治区自然科学基金
2023-03-22(万方平台首次上网日期,不代表论文的发表时间)
共6页
67-72