摘要
针对物流业税收相关数据的高相关性和冗余等问题,提出一种基于改进灰度统计和神经网络的物流业税收预测模型,预测模型应用灰度统计方法解决原始数据的相关性和冗余问题,应用最优化的神经网络确定预测模型的参数,以提高预测模型的准确性。以中国国家年鉴和某省年鉴为数据来源对预测模型进行检验,结果表明,基于灰度统计和神经网络原理建立的预测模型能够快速优化参数并提供更准确的预测结果,模型的自学习能力适用于税收预测等,具有较高的实用价值。
In this paper, in view of the problems of the data concerning the taxation of the logistics industry, we proposed a taxation forecasting model for the industry based on improved grey statistics and neural network and then tested the model with the Chinese Yearbook and the yearbook of a certain province as the data source, which demonstrated the accuracy of the model.
出处
《物流技术》
北大核心
2013年第12期131-134,共4页
Logistics Technology
基金
江西省高等学校教学改革研究课题"校企合作模式下高职实训教学体系的创新与实践-以纳税申报实训教学为例"(jxjg-11-91-11)
2010年江西省级课题"专业经营化-关于高职院校财经类专业可持续发展研究"
2010年江西省级课题"江西省地方政府债务问题研究"(jj1121)
关键词
税收预测
灰度统计
神经网络
物流业
taxation forecasting
grey statistics
neural network
logistics industry