[发明专利]一种税收预测方法、装置、设备及介质在审

专利信息
申请号: 202011055172.0 申请日: 2020-09-30
公开(公告)号: CN114358892A 公开(公告)日: 2022-04-15
发明(设计)人: 张殿臣;刘丹;吴伟刚;郝建茹;潘竞旭;李萌;陈晓敏 申请(专利权)人: 航天信息股份有限公司
主分类号: G06Q40/00 分类号: G06Q40/00;G06F16/25;G06N3/04;G06N3/08
代理公司: 北京同达信恒知识产权代理有限公司 11291 代理人: 杜晶
地址: 100195 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 税收 预测 方法 装置 设备 介质
【权利要求书】:

1.一种税收预测方法,其特征在于,所述方法包括:

获取第一预测时间的第一税收预测值;

基于风险价值VaR计算公式、所述第一税收预测值和预设的置信水平,确定VaR值;

将所述VaR值作为第二税收预测值,其中所述第二税收预测值表示在所述置信水平下,所述第一预测时间的税收最小值。

2.根据权利要求1所述的方法,其特征在于,所述基于风险价值VaR计算公式、所述第一税收预测值和预设的置信水平,确定VaR值之前,所述方法还包括:

根据每个第一历史时间的第三税收预测值和第二税收真实值,确定误差值;

根据所述误差值和所述第一税收预测值,确定第四税收预测值,采用所述第四税收预测值对所述第一税收预测值进行更新;并基于更新后的第一税收预测值进行后续确定所述VaR值的步骤。

3.根据权利要求2所述的方法,其特征在于,所述根据所述误差值和所述第一税收预测值,确定第四税收预测值包括:

根据随机系数、所述误差值和所述第一税收预测值,确定第四税收预测值。

4.根据权利要求1所述的方法,其特征在于,所述获取第一预测时间的第一税收预测值包括:

针对每个税种类别,将该税种类别对应的每个第二历史时间的第三税收真实值输入预先训练完成的长短期记忆模型,基于所述长短期记忆模型,获取该税种类别所述第一预测时间的第一税收预测值。

5.根据权利要求4所述的方法,其特征在于,训练所述长短期记忆模型的过程包括:

针对训练集中的每个税种类别及该税种类别的每个第三历史时间的第四税收真实值,将该税种类别对应的税种类别标识、该第四税收真实值和该第四税收真实值对应的第二预测时间的第五税收真实值输入长短期记忆模型,对所述长短期记忆模型进行训练。

6.根据权利要求4或5所述的方法,其特征在于,将税收真实值输入长短期记忆模型之前,所述方法还包括:

对每个所述税收真实值进行预处理。

7.一种税收预测装置,其特征在于,所述装置包括:

获取模块,用于获取第一预测时间的第一税收预测值;

确定模块,用于基于风险价值VaR计算公式、所述第一税收预测值和预设的置信水平,确定VaR值;

预测模块,用于将所述VaR值作为第二税收预测值,其中所述第二税收预测值表示在所述置信水平下,所述第一预测时间的税收最小值。

8.根据权利要求7所述的装置,其特征在于,所述确定模块,还用于所述基于风险价值VaR计算公式、所述第一税收预测值和预设的置信水平,确定VaR值之前,根据每个第一历史时间的第三税收预测值和第二税收真实值,确定误差值;根据所述误差值和所述第一税收预测值,确定第四税收预测值,采用所述第四税收预测值对所述第一税收预测值进行更新;并基于更新后的第一税收预测值进行后续确定所述VaR值的步骤。

9.根据权利要求8所述的装置,其特征在于,所述确定模块,具体用于根据随机系数、所述误差值和所述第一税收预测值,确定第四税收预测值。

10.根据权利要求7所述的装置,其特征在于,所述获取模块,具体用于针对每个税种类别,将该税种类别对应的每个第二历史时间的第三税收真实值输入预先训练完成的长短期记忆模型,基于所述长短期记忆模型,获取该税种类别所述第一预测时间的第一税收预测值。

11.根据权利要求10所述的装置,其特征在于,训练所述长短期记忆模型的过程包括:

针对训练集中的每个税种类别及该税种类别的每个第三历史时间的第四税收真实值,将该税种类别对应的税种类别标识、该第四税收真实值和该第四税收真实值对应的第二预测时间的第五税收真实值输入长短期记忆模型,对所述长短期记忆模型进行训练。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于航天信息股份有限公司,未经航天信息股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011055172.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top