基于Adaboost算法和BP神经网络的税收预测

• 作者: 朱全银 李翔
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 神经网络 Adaboost算法 强预测器 迭代算法 税收预测
• 年，卷（期）: 2012,（12）
• 所属期刊栏目: 典型应用
• 页码范围: 3558-3560,3568
• 页数: 4页
• 分类号: TP183
• 字数: 2398字
• 语种: 中文
• DOI: 10.3724/SP.J.1087.2012.03558

摘要

针对传统税收预测模型精度较低的问题,提出一种将Adaboost算法和BP神经网络相结合进行税收预测的方法.该方法首先对历年税收数据进行预处理并初始化测试数据分布权值;然后初始化BP神经网络权值和阈值,并将BP神经网络作为弱预测器对税收数据进行反复训练和调整权值;最后使用Adaboost算法将得到的多个BP神经网络弱预测器组成新的强预测器并进行预测.通过对我国1990-2010年税收数据进行仿真实验,结果表明该方法相比传统BP网络预测,平均误差相对值从0.50％减少到0.18％,有效地降低了单个BP陷入局部极小的影响,提高了网络预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱全银	淮阴工学院计算机工程学院	70	328	8.0	16.0
2	李翔	淮阴工学院计算机工程学院	32	153	6.0	12.0