基于粒子群优化的最小二乘支持向量机税收预测模型研究

发布时间：2018-01-21 08:35

本文关键词： 最小二乘支持向量机粒子群优化税收预测　出处：《计算机科学》2017年S1期 　论文类型：期刊论文

【摘要】：针对税收收入预测存在着非线性、不稳定性和多经济因素影响的复杂性,提出用最小二乘支持向量回归机的方法对广东省从化市的税收收入进行预测,并建立数学模型。由于模型中的参数C和σ~2直接影响支持向量机的预测效果,因此巧妙地融合了粒子群优化算法的思想,采用粒子群算法对参数进行寻优来确保预测模型的精确性和稳定性。仿真实验结果表明,相对于各参比模型,用粒子群算法对参数进行寻优的最小二乘支持向量回归机的预测精度有了显著提高,从而说明了该模型的有效性和实用性。
[Abstract]:Aiming at the complexity of nonlinear, unstable and multi-economic factors in tax revenue prediction, a method of least square support vector regression machine is proposed to predict tax revenue in Conghua City, Guangdong Province. Because the parameters C and 蟽 2 in the model directly affect the prediction effect of support vector machine, the idea of particle swarm optimization algorithm is subtly integrated. The particle swarm optimization algorithm is used to optimize the parameters to ensure the accuracy and stability of the prediction model. The simulation results show that the model is relative to each reference model. The prediction accuracy of the least squares support vector regression machine with particle swarm optimization is improved significantly, which shows the validity and practicability of the model.
【作者单位】：广东工业大学应用数学学院;广东工业大学自动化学院;
【基金】：国家自然科学基金项目(61472090,61203280) 广东省自然科学基金项目(S2013050014133)资助
【分类号】：F812.42;TP18
【正文快照】： 本文受国家自然科学基金项目(61472090,61203280),广东省自然科学基金项目(S2013050014133)资助。1引言税收预测是以政府宏观调控政策为指导,以充分掌握影响税收收入变化的因素和税收历史资料为基础,运用数理统计和逻辑思维方法等手段,经过推理判断,对未来税收收入的前景做出

【相似文献】