文献类型：期刊文章

作　　者：张玉[1] 尹腾飞[2]

机构地区：[1]华北水利水电学院数学与信息科学学院,河南郑州450011 [2]三一德国有限公司德国研究院液压控制所,湖南长沙410100

出　　处：《计算机仿真》

年　　份：2011

卷　　号：28

期　　号：9

起止页码：357-360

语　　种：中文

收录情况：BDHX、BDHX2008、CSCD、CSCD_E2011_2012、ZGKJHX、核心刊

摘　　要：研究税收预测问题,针对税收数据存在着高度的非线性、冗余等特征,传统的税收预测方法精度较低,影响预测的准确性。为了保证正确税收,提出了一种基于主成分分析的支持向量机税收预测模型(PCA_SVM)。首先对影响税收的各指标因子进行主成分分析,消除各指标间的冗余信息,从而减少了支持向量机的输入维数,提高了支持向量机的训练速度,利用PCA_SVM模型对国家2001-2004年税收进行了验证,仿真结果表明,相对于各参比模型,PCA_SVM模型预测精度明显高于各参比模型,具有较高的泛化能力,是一种有效的税收预测模型。

关 键 词：主成分分析 支持向量机 税收预测

分 类 号：TV139.1]