技术特征：
1.一种税收预测方法，其特征在于，所述方法包括：获取目标税收主体的税收样本数据以及所述税收样本数据的演化模式标注结果；基于所述税收样本数据以及所述演化模式标注结果进行模型训练，得到训练好的税收演化模式匹配模型；将目标税收主体的历史税收数据输入所述税收演化模式匹配模型，得到所述目标税收主体的税收演化模式预测结果；基于所述税收演化模式预测结果，生成所述目标税收主体的衍生特征向量；将所述目标税收主体的衍生特征向量输入预先训练好的多模式税收预测模型，得到所述目标税收主体的税收预测结果。2.根据权利要求1所述的方法，其特征在于，所述税收样本数据包括税收累计金额；获取所述税收样本数据的演化模式标注结果，包括：将所述税收样本数据按照预设时间间隔进行分割，得到多条税收演化数据；基于每条税收演化数据中的税收累计金额对所述多条税收演化数据进行聚类，得到多个聚类簇，其中每个聚类簇中包括至少一条税收演化数据；针对每个聚类簇，计算所述至少一条税收演化数据的平均值，得到每个聚类簇分别对应的演化模式；对所述每个聚类簇分别对应的演化模式进行标注，得到多个所述演化模式标注结果。3.根据权利要求2所述的方法，其特征在于，所述演化模式标注结果至少包括以下的一种：指数函数、对数函数、多项式函数、三角函数、sigmoid函数。4.根据权利要求1所述的方法，其特征在于，所述基于所述税收样本数据以及所述演化模式标注结果进行模型训练，得到训练好的税收演化模式匹配模型，包括：基于所述税收样本数据，生成所述目标税收主体的样本特征向量；将所述样本特征向量作为模型的输入，将所述演化模式标注结果作为模型的输出，对税收演化模式匹配模型进行训练，得到训练好的税收演化模式匹配模型。5.根据权利要求1所述的方法，其特征在于，所述目标税收主体的税收演化模式预测结果包括所述目标税收主体在多个税收演化模式下的税收预测值以及所述多个税收演化模式的隶属度，其中所述隶属度表征所述历史税收数据与所述税收演化模式的相似程度。6.根据权利要求5所述的方法，其特征在于，所述基于所述税收演化模式预测结果，生成所述目标税收主体的衍生特征向量，包括：分别计算每个税收演化模式下的税收预测值与隶属度之积，得到多个衍生特征；基于所述多个衍生特征，生成所述目标税收主体的衍生特征向量，所述衍生特征向量的长度与所述衍生特征的个数相同。7.根据权利要求1所述的方法，其特征在于，所述获取目标税收主体的税收样本数据之后，所述方法还包括：对所述税收样本数据进行预处理。8.一种税收预测装置，其特征在于，包括：第一获取模块，用于获取目标税收主体的税收样本数据以及所述税收样本数据的演化模式标注结果；
训练模块，用于基于所述税收样本数据以及所述演化模式标注结果进行模型训练，得到训练好的税收演化模式匹配模型；第二获取模块，用于将目标税收主体的历史税收数据输入所述税收演化模式匹配模型，得到所述目标税收主体的税收演化模式预测结果；生成模块，用于基于所述税收演化模式预测结果，生成所述目标税收主体的衍生特征向量；第三获取模块，用于将所述目标税收主体的衍生特征向量输入预先训练好的多模式税收预测模型，得到所述目标税收主体的税收预测结果。9.一种电子设备，其特征在于，包括：存储器；处理器；以及计算机程序；其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如权利要求1-7中任一项所述的方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
技术总结
本公开涉及一种税收预测方法、装置、设备及计算机可读存储介质，该方法包括：获取目标税收主体的税收样本数据以及所述税收样本数据的演化模式标注结果；基于所述税收样本数据以及所述演化模式标注结果进行模型训练，得到训练好的税收演化模式匹配模型；将目标税收主体的历史税收数据输入所述税收演化模式匹配模型，得到所述目标税收主体的税收演化模式预测结果；基于所述税收演化模式预测结果，生成所述目标税收主体的衍生特征向量；将所述目标税收主体的衍生特征向量输入预先训练好的多模式税收预测模型，得到所述目标税收主体的税收预测结果。本公开通过为目标税收主体匹配最佳的税收演化模式，显著提升了预测的精准性。显著提升了预测的精准性。显著提升了预测的精准性。
技术研发人员：郭建彬 董立峰 赵菲菲 罗引 王磊
受保护的技术使用者：北京中科闻歌科技股份有限公司
技术研发日：2023.01.30
技术公布日：2023/3/14