2016年为我国“十三五”规划的第一年,全国经济形势逐年递增,年度经济增长6.7%左右,各项事业蒸蒸日上。伴随着供给侧改革的全面有效实施,进一步提高了我国的生产力水平,适度的扩大了需求,去产能、去库存、去杠杆、降成本、补短板等五项内容成为了主要工作点,不断的加强了有效供给。在加强供给侧改革的同时,要求各地方继续加大减税收降收费的力度。全面实施“营业税改征增值税”政策,停征一些行政事业收费,减轻部分供给管理,从而较大的影响了乌兰察布市的财政收入规模。因为乌兰察布市的营业税占税收总收入的比重较大,为主要税种,因“营业税改征增值税”的政策影响,中央和地方五五分成,与之前的规模相比,地方分享部分下降,收入降低。但与此同时财政支出范围和规模也在不断扩大,基础设施建设、民生投入、环境保护、教育科学等领域,都需要巨大的资金支撑,财政压力逐渐增大,这对财政部门提出了更加严格的要求。目前,随着财政预算系统的频繁使用,产生了大量的业务数据,但这些数据仅作为业务查询和报表使用,利用率较低,内在价值没有体现出来,形成了一定的资源浪费,并且不能给领导提供更科学的决策依据来缓解财政压力。因此,本文主要研究基于ID3决策树及BP神经网络模型的财政预算分析方法,总结历年数据之间的关系,结合实际业务,制定分析规则,通过模型的智能处理,得出结论,从而达到节省财政资金的目的。本文以乌兰察布市本级各部门近5年的预算数据为样本,对数据的单位类型、支出功能科目、经济科目及支出金额等信息进行采集和处理,构建两种分析模型。从ID3决策树方面看,主要解决对新预算申请数据是否可以纳入预算安排的判断问题。实验中将样本数据是否纳入预算这一结果做为类标号,纳入预算为YSE,不纳入预算为NO。经过三次的实验后,得出最高的模型准确率为90.6%,结果相对良好,但还有提升的空间;从BP神经网络方面看,主要解决对新生支出事项的金额范围的分类判断问题。对样本数据进行了分类,每50万元的区间作为一个类标号,共分为10类。经实验得出,最高的模型准确率为84.8%,与期望值还有一定的差距。但随着业务数据规模的不断扩大,以及计算方法的不断改进,相信可以更进一步提升模型的准确性和合理性。论文首先对乌兰察布市本级部门预算编制工作的研究内容、研究现状及课题中需要解决的问题进行简单介绍;其次,阐述分析过程中应用到的相关技术,主要技术包括决策树ID3模型、BP神经网络和MATLAB工具等;论文的最后详细阐述实验过程,得出结论。