基于支持向量機(jī)的稅收預(yù)測模型研究.pdf

1、針對稅收預(yù)測存在著非線性、不穩(wěn)定性和多經(jīng)濟(jì)因素影響的復(fù)雜性，本文提出了基于支持向量機(jī)的稅收預(yù)測模型，并用該模型對廣東省從化市的稅收預(yù)測進(jìn)行了實(shí)證分析.支持向量機(jī)是統(tǒng)計(jì)機(jī)器學(xué)習(xí)的核心內(nèi)容，它基于 VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化理論，在模式識別、函數(shù)擬合以及回歸預(yù)測等領(lǐng)域得到了廣泛的應(yīng)用.在其應(yīng)用中，核函數(shù)的選擇以及正則化參數(shù)的設(shè)置對支持向量機(jī)的模型有很大的影響，所以本文采用智能的算法對支持向量機(jī)中的參數(shù)自動的進(jìn)行選擇，經(jīng)常用的智能優(yōu)化算法有粒

2、子群優(yōu)化算法、遺傳優(yōu)化算法、網(wǎng)格搜索算法.
　　本文的主要工作如下：
　　首先，由于支持向量機(jī)中的正則化參數(shù)C和徑向基核函數(shù)的參數(shù)g直接影響算法模型的預(yù)測效果，所以本文分別利用粒子群優(yōu)化算法、遺傳算法和網(wǎng)格搜索算法對正則化參數(shù)C和徑向基核函數(shù)的參數(shù)g進(jìn)行尋優(yōu).其次，對于影響稅收收入的指標(biāo)進(jìn)行主成分分析，消除指標(biāo)間的冗余變量，進(jìn)行降維處理，把處理過的數(shù)據(jù)作為輸入數(shù)據(jù).
　　最后，用粒子群尋優(yōu)得到的最佳的C為1.1859，

3、最佳的g為0.1；用遺傳算法尋優(yōu)得到的最佳的C為4.4529，最佳的g為0.018172；用網(wǎng)格搜索算法得到的最佳的C為16，最佳的g為0.0039063.用粒子群算法進(jìn)行參數(shù)優(yōu)化的支持向量機(jī)模型平均絕對百分比誤差和均方百分比誤差都是最小的，稅收預(yù)測模型達(dá)到了很好的效果.其次是遺傳算法進(jìn)行優(yōu)化的支持向量機(jī)模型，最后是網(wǎng)格搜索算法進(jìn)行優(yōu)化的支持向量機(jī)模型.同時(shí)本文還用未進(jìn)行主成分分析的支持向量機(jī)各模型與進(jìn)行主成分分析的支持向量機(jī)各模型進(jìn)行