基于改进的bp人工神经网络在我国税收预测中的应用.pdf

万方数据
匦四团;黑絮嚣黼。二基于改进的斯ど窬缭我国税收预测中的应用口李全亮【摘要】人工神经网络是近年来在经济景气分析、经济时间序列预测、组合证券优化、股票预测等领域广泛应用的一种人工智能技术,取得了良好的效果。本文提出了一种综合共轭梯度和自适应变步长的改进算法,,通过与传统回归分析预测方法结果的比较,证明了该算法收敛速度快,学习精度高,而且有效’地避免了常规算法的局部极小值问题。【关键词】人工神经网络;算法;税收预测【中图分类号】【文献标识码】恼卤嗪拧【作者简介】李全亮,信阳师范学院副教授,博士,研究方向为管理学。幽闲叛一、引言目前,估算税收方法主要有因素计分法、因素回归法和系数调整法。由于这些方法有的适用于大范围、多样本数据的处理,有的适用于较模糊情况的处理,有的则适用于一些不可比事件的量化处理。在实践中究竟采用哪种方法,才能更科学地估算税收,必须通过比较分析,才有可能解决。因素回归法是指使用数学模型即函数关系方程式对具有相关关系的事物或现象进行分析的一种统计方法,在传统税收的确定中经常使用。该方法测算税收,具有建模方便、方法实用的特点。但它假设实际模型是线性的。实际上,影响税收的因素中包含许多非线性因素,要找到一个绝对的线性模型有时候是很困难的,因此,这种方法对税收的测算在精度上有一定的局限性。人工神经网络是近年来在经济景气分析、经济时间序列预测、组合证券优化、股票预测等领域广泛应用的一种人工智能技术,取得了良好的效果。本文通过对税收收入的相关因素的分析,建立了基于神经网络的非线性模型,详细讨论应用算法对税收进行测算,并通过实际数据进行验证。二、神经网络的算法神经网络模型多层算法结构和建立步骤如图所示。曜糂惴为了讨论问题方便,假设如下:输入层有錾窬#瑇∈,俊’,⋯,一隐含层有錾窬#瑉保瑉匈,,⋯,R;输出层有錾窬#琘∈彤,瑈保瑈。.·
万方数据
漱茹船瓶黑器塾团嚣》《》≮:%孚ǎユ凇躪趾吉熟畒这里采用骸暑埃膇】【ǎ簧埔“一㈩骸焕贾耙籿;.璲⋯△卢~琺—△◆.;隐含层与输出层之间的权为с兄滴’。。这样,各层神经元的输出满足其中,·硎咀;缓殖萍せ詈皁渥饔檬悄D馍锷窬K哂械姆窍咝宰R铺匦浴几种常用的转移函数有:线性函数、斜坡函数、阶跃函数、符号函数及颓。网络所用的转移函数必须是可微分而且是有界的秃中的怯酶鞑闶涑黾尤ㄇ蠛偷闹怠惴ㄊ粲学习规则,是一种有教师的学习算法,设输入学习样本为个,,海瑇阎S肫涠杂Φ慕淌ξ猻瑂琒,,学习算法是以实际的输出,,⋯与,,⋯误差为依据来修改其连接的权值和阈值,使输出,与要求的,尽可能的接近。把第鲅臼淙氲酵糽所示的网络,得到输出唬琲,⋯,猯,其误差为各输出神经元误差之和,满足对于鲅荆溲拔蟛钗相应的标准嬖蛉ㄖ档牡髡闶轿输出层各神经元隐含层各神经元。;对于给定的精度H绻鸈,则网络计算停止。慕腂惴对于标准的算法而言,它是严格遵从误差梯度下降的原则修改权值。因此,由于初始权值不同,算法不能确保网络最终一定收敛至全局误差最小点。对于算法的改进可以从初始值的选择、转移函数的变换、学习步长娜≈档燃父龇矫嫒手。通过反复实践,发现在对税收进行预测的算法中,学习步长的变化对训练的收敛