论文部分内容阅读
地方财政收入是国家财政收入的重要组成部分，是国家进行宏观调控的基础，也是各级地方政府行使其财政职能的重要保障。随着社会主义市场经济体制的建立与完善，财政工作面临着重大的机遇与挑战。对于地方财政预测工作而言，如何构建具有较好预测能力的模型，以增强财政收入的预见性是我们关注的。软计算(Soft Computing，SC)方法是多种智能算法的集合，包括神经网络、遗传算法、概率推理、模糊逻辑和混沌理论等。软计算方法具有处理非线性和复杂问题的能力，与传统的统计预测方法相比，由于不需要精确的数学模型，软计算方法可以弥补数理统计方法的不足，越来越多的学者将其用于预测领域中。
本文结合地方财政收入的构成内容及结构特点，在已有研究结果的基础上，应用遗传算法、贝叶斯正则化算法和BP神经网络算法组合的预测模型，在云南省原有的一般财政收入历史数据的基础上，建立预测模型，对云南省“十二五”期间的财政一般预算收入进行预测。本研究工作要点如下：⑴阐述了财政预测研究领域的研究现状，并系统地介绍了软计算方法中BP神经网络、遗传算法和贝叶斯正则化算法的优缺点。⑵针对BP神经网络泛化能力差、易陷入局部极小、收敛缓慢等缺点，应用贝叶斯正则化算法、遗传算法同时对BP神经网络进行优化。⑶应用Java语言编写相关程序，比较了BP神经网络、GA优化的BP神经网络、贝叶斯正则化算法和GA优化的BP神经网络在财政预测方面的精确度及泛化能力，结果表明基于贝叶斯正则化和GA优化的BP神经网络，经过35次训练，网络误差就能达到10-4，拟合收敛，且拟合曲线光滑，在上述预测方法中，具有较好的表现。