1、隨著經(jīng)濟(jì)以及信息技術(shù)的發(fā)展，數(shù)據(jù)挖掘技術(shù)在各個領(lǐng)域的應(yīng)用也越來越廣泛。作為經(jīng)濟(jì)和社會的一個重要成分，稅收在國家財政收入中扮演著非常重要的角色。數(shù)據(jù)挖掘技術(shù)常被應(yīng)用于研究稅收預(yù)測問題。財政預(yù)算工作的開展以及稅收計劃的制定要以稅收預(yù)測結(jié)果為參考依據(jù)，所以稅收預(yù)測算法得到了稅務(wù)行業(yè)研究人員的高度重視。如何利用少樣本、多維度的稅收數(shù)據(jù)進(jìn)行高效的建模，是稅收應(yīng)用領(lǐng)域亟待解決的問題。本文提出了運用數(shù)據(jù)挖掘技術(shù)來預(yù)測稅收收入的方法，為提高稅收預(yù)測準(zhǔn)確

2、率做進(jìn)一步的研究。
　　首先，對歷史稅收數(shù)據(jù)集進(jìn)行預(yù)處理，以期獲得高質(zhì)量的稅收指標(biāo)樣本集。使用相關(guān)性分析和逐步回歸分析方法對稅收指標(biāo)進(jìn)行降維，求解不同稅種的關(guān)鍵指標(biāo)因子。針對默認(rèn)參數(shù)情況下基于支持向量機的稅收預(yù)測算法預(yù)測精度不佳的問題，提出應(yīng)用網(wǎng)格搜索法對支持向量機算法中參數(shù)進(jìn)行改進(jìn)的方法，從而實現(xiàn)優(yōu)化的支持向量機稅收預(yù)測算法。
　　其次，針對預(yù)測算法的驗證性和預(yù)測性問題展開研究，提出一種優(yōu)化組合稅收預(yù)測算法的方法。首先研究

3、基于灰色序列的GM(1,1)稅收預(yù)測算法和基于時間序列的ARIMA稅收預(yù)測算法，分別求解兩個算法的稅收預(yù)測值，將上述預(yù)測結(jié)果以及真實稅收數(shù)據(jù)集組成組合算法的實驗樣本集。然后使用多層次網(wǎng)格搜索法求解使預(yù)測誤差最小的權(quán)重系數(shù)，實現(xiàn)優(yōu)化的組合稅收預(yù)測算法，達(dá)到提高預(yù)測精度和優(yōu)化預(yù)測結(jié)果的目的。
　　最后，利用真實稅收數(shù)據(jù)分別對優(yōu)化的支持向量機稅收預(yù)測算法和改進(jìn)的組合預(yù)測算法進(jìn)行實驗驗證。仿真結(jié)果表明，兩個算法的預(yù)測精度均比未改進(jìn)之前高，