基于BP神经网络和灰色模型的税务收入预测研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·国外研究现状 | 第8-9页 |
| ·国内研究现状 | 第9-10页 |
| ·论文主要内容和章节安排 | 第10-12页 |
| ·研究内容 | 第10-11页 |
| ·章节安排 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 第二章 预测模型相关理论与税收介绍 | 第13-23页 |
| ·常用预测模型 | 第13-16页 |
| ·自回归移动平均模型 | 第13-14页 |
| ·马尔可夫链模型 | 第14-15页 |
| ·指数平滑法 | 第15-16页 |
| ·税收相关知识 | 第16-22页 |
| ·主要税种介绍 | 第17-20页 |
| ·税收预测方式与环境 | 第20-21页 |
| ·税收预测中应注意的问题 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于BP神经网络的税务预测研究 | 第23-43页 |
| ·人工神经网络 | 第23-27页 |
| ·人工神经网络介绍 | 第23页 |
| ·人工神经网络的发展 | 第23-24页 |
| ·人工神经网络的特点 | 第24页 |
| ·人工神经网络基本构成 | 第24-27页 |
| ·人工神经网络学习方式 | 第27页 |
| ·BP神经网络理论 | 第27-30页 |
| ·BP神经网络工作原理 | 第27-29页 |
| ·BP神经网络算法描述 | 第29-30页 |
| ·实例比较与分析 | 第30-42页 |
| ·实验数据的选择 | 第30-34页 |
| ·程序的实现 | 第34-36页 |
| ·BP神经网络训练过程 | 第36-40页 |
| ·BP神经网络预测结果 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于灰色模型的税务预测技术研究 | 第43-55页 |
| ·灰色模型介绍 | 第43-45页 |
| ·灰色系统的概念与原理 | 第43页 |
| ·GM(1,1)灰色预测模型的建立 | 第43-45页 |
| ·灰色模型的检验 | 第45-47页 |
| ·GM(1,1)模型预测精度检验及指标介绍 | 第45-46页 |
| ·GM(1,1)模型检验的实例应用 | 第46-47页 |
| ·实例比较与分析 | 第47-52页 |
| ·预测模型的实现 | 第47-49页 |
| ·税务预测实验 | 第49-51页 |
| ·实验结果比较与分析 | 第51-52页 |
| ·灰色预测与BP神经网络预测的实验比较 | 第52-54页 |
| ·灰色模型与BP模型的比较 | 第52页 |
| ·实际预测比较 | 第52-53页 |
| ·实际预测结果分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 结论与展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-62页 |
