【技术实现步骤摘要】
本专利技术涉及税收收入预测领域，特别涉及一种税收收入预测方法、装置、设备及存储介质。
技术介绍
1、地区的税收收入是国家税收的重要组成部分，而一个地区的税收情况是由多方面的因素共同决定的，无法按照某一个因素的变化来判断税收的增减情况，因此构建一个能够综合考虑多方面因素的大数据模型就成了解决这一问题的必要手段。目前官方对于税收收入分析主要来自三个方面：税收收入增长总体情况、主要税种收入情况、其他税种收入情况。其中，税收收入增长总体情况包括税收收入增长(减少)主要特点、税收收入增速回落(提升)的原因分析；主要税种收入情况包括国内增值税、国内消费税、进口货物增值税、消费税、出口货物退增值税、消费税、营业税、企业所得税、个人所得税；其他税种收入情况包括房产税、证券交易印花税、城镇土地使用税、车辆购置税、关税、契税。通过上述三个方面综合判断当前的税收收入情况，并对下一阶段的就业政策做出调整。
2、不难发现，现有的税收收入分析手段还处于比较初始的阶段，主要有三处缺陷：第一，三个指标之间的相关性较弱，未形成系统的分析路径；第二，只能进行定性的分析，无法给出定量的测定结果，对于税收收入情况的判断还不够精确；第三，无法对未来税收的趋势做出判断。目前传统的分析方法，无法对各个特征之间进行相关性分析，而把所有特征归集到一个模型中后，在特征的相关性影响方面可以进一步下钻分析，明确哪些特征的相吸或者相斥导致税收的增减。因此，如何弥补传统的税收情况分析方式不够系统化、不够精确、无法预测的三个缺陷是目前亟待解决的问题。
1、有鉴于此，本专利技术的目的在于提供一种税收收入预测方法、装置、设备及存储介质，能够构建出一套税收收入分析的体系，既解决了税收收入分析的痛点，还能引入地区特点推而广之，计算出各个地区的税收情况，并且对于下一时间点的税收情况也能起到准确预测的作用。其具体方案如下：
2、第一方面，本申请公开了一种税收收入预测方法，包括：
3、基于目标地区的区域要求筛选与所述目标地区的税收收入对应的若干种指标特征；
4、构建初始弹性网络，基于所述指标特征以及坐标下降法对所述初始弹性网络进行训练以及优化，以得到目标弹性网络；
5、确定预设历史时间内的各所述指标特征，利用预先构建的时间序列模型基于预设历史时间内的各所述指标特征确定相应的下一时段指标特征；
6、基于所述目标弹性网络以及所述下一时段指标特征对下一时段的所述税收收入进行预测，以得到下一时段税收收入的预测值。
7、可选的，所述指标特征包括数量特征、质量特征以及预期特征；其中，所述数量特征包括季度、省份、劳动力数量、就业者数量、应纳税总额以及基于预设范围的收入额确定的平均值；所述质量特征包括子女教育人数、继续教育人数、住房贷款人数以及赡养老人人数；所述预期特征包括代扣代缴企业户数以及企业增长量。
8、可选的，所述基于目标地区的区域要求筛选与所述目标地区的税收收入对应的若干种指标特征，包括：
9、基于目标地区的区域要求确定指标特征；
10、基于各所述指标特征与所述目标地区的税收收入之间的线性关系筛选若干种所述指标特征。
11、可选的，所述基于目标地区的区域要求筛选与所述目标地区的税收收入对应的若干种指标特征之后，还包括：
12、对若干种所述指标特征进行清洗，获取清洗后指标特征，以便基于所述清洗后指标特征对所述初始弹性网络进行模型训练。
13、可选的，所述基于所述指标特征以及坐标下降法对所述初始弹性网络进行训练以及优化，以得到目标弹性网络，包括：
14、初始化所述初始弹性网络的目标权重系数，基于所述目标权重系数利用所述指标特征对所述初始弹性网络进行训练；
15、确定在若干次迭代过程中的若干个所述目标权重系数，并遍历若干个所述目标权重系数，根据所述目标权重系数的变化情况确定最终目标权重系数；
16、基于所述最终目标权重系数确定所述目标弹性网络。
17、可选的，所述根据所述目标权重系数的变化情况确定最终目标权重系数，包括：
18、若在训练过程中所述目标权重系数的变化程度符合预设条件时，停止训练，将符合所述预设条件的所述目标权重系数确定为所述最终目标权重系数。
19、第二方面，本申请公开了一种税收收入预测装置，包括：
20、指标特征筛选模块，用于基于目标地区的区域要求筛选与所述目标地区的税收收入对应的若干种指标特征；
21、目标弹性网络获取模块，用于构建初始弹性网络，基于所述指标特征以及坐标下降法对所述初始弹性网络进行训练以及优化，以得到目标弹性网络；
22、指标特征确定模块，用于确定预设历史时间内的各所述指标特征，利用预先构建的时间序列模型基于预设历史时间内的各所述指标特征确定相应的下一时段指标特征；
23、税收收入预测模块，用于基于所述目标弹性网络以及所述下一时段指标特征对下一时段的所述税收收入进行预测，以得到下一时段税收收入的预测值。
24、本申请在对税收收入进行预测时，首先基于目标地区的区域要求筛选与所述目标地区的税收收入对应的若干种指标特征；然后构建初始弹性网络，基于所述指标特征以及坐标下降法对所述初始弹性网络进行训练以及优化，以得到目标弹性网络；再确定预设历史时间内的各所述指标特征，利用预先构建的时间序列模型基于预设历史时间内的各所述指标特征确定相应的下一时段指标特征；最后基于所述目标弹性网络以及所述下一时段指标特征对下一时段的所述税收收入进行预测，以得到下一时段税收收入的预测值。可见，本申请借用机器学习中的回归模型思路，构建出一套税收收入分析的体系，既解决了税收收入分析的痛点，还能引入地区特点推而广之，计算出各个地区的税收情况，并且对于下一时间点的税收情况也能起到预测的作用。这样一来，算法处理的数据均来自税务大数据，提高了模型在税务方向的可解释性；通过坐标下降法，估计各自变量的未知参数，完善整体模型；引入时间序列模型，对未来的税收收入进行预测，以提高预测结果的准确性。
本文档来自技高网...【技术保护点】
1.一种税收收入预测方法，其特征在于，包括：
2.根据权利要求1所述的税收收入预测方法，其特征在于，所述指标特征包括数量特征、质量特征以及预期特征；其中，所述数量特征包括季度、省份、劳动力数量、就业者数量、应纳税总额以及基于预设范围的收入额确定的平均值；所述质量特征包括子女教育人数、继续教育人数、住房贷款人数以及赡养老人人数；所述预期特征包括代扣代缴企业户数以及企业增长量。
3.根据权利要求1所述的税收收入预测方法，其特征在于，所述基于目标地区的区域要求筛选与所述目标地区的税收收入对应的若干种指标特征，包括：
4.根据权利要求1至3任一项所述的税收收入预测方法，其特征在于，所述基于目标地区的区域要求筛选与所述目标地区的税收收入对应的若干种指标特征之后，还包括：
5.根据权利要求1所述的税收收入预测方法，其特征在于，所述基于所述指标特征以及坐标下降法对所述初始弹性网络进行训练以及优化，以得到目标弹性网络，包括：
6.根据权利要求5所述的税收收入预测方法，其特征在于，所述根据所述目标权重系数的变化情况确定最终目标权重系数，包
7.一种税收收入预测装置，其特征在于，包括：
8.根据权利要求7所述的税收收入预测装置，其特征在于，所述指标特征筛选模块，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的税收收入预测方法的步骤。
...【技术特征摘要】
1.一种税收收入预测方法，其特征在于，包括：
2.根据权利要求1所述的税收收入预测方法，其特征在于，所述指标特征包括数量特征、质量特征以及预期特征；其中，所述数量特征包括季度、省份、劳动力数量、就业者数量、应纳税总额以及基于预设范围的收入额确定的平均值；所述质量特征包括子女教育人数、继续教育人数、住房贷款人数以及赡养老人人数；所述预期特征包括代扣代缴企业户数以及企业增长量。
3.根据权利要求1所述的税收收入预测方法，其特征在于，所述基于目标地区的区域要求筛选与所述目标地区的税收收入对应的若干种指标特征，包括：
4.根据权利要求1至3任一项所述的税收收入预测方法，其特征在于，所述基于目标地区的区域要求筛选与所述目标地区的税收收入对应的若干种指...
【专利技术属性】
技术研发人员：吴文灿，丁乐，刘子星，徐煌，王伟，
申请(专利权)人：税友软件集团股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。