纳税评估工作是一项难于建立准确数学模型的复杂系统,同时又是一个典型的模式识别问题。目前国内税收征收管理现代化程度较低,虽然已经建立起计算机管理信息系统,然而决支持系统的建立仍处于起步阶段,在税收管理中起基础作用的税评估模型研究还处于初级阶段。本文在前人对纳税评估指标体系建立方法的研究基础上,提出用杜邦分析方法构造纳税评估指标体系的具体方法,对纳税评估指标进行筛选。经过经济意义分析,构建出了三层的指标体系,最后从众多指标中筛选出5个指标,分别代表纳税人3个方面的的经营状况,以此体系构筑纳税评估模型的指标集。然后以磁县地税局税收征管信息系统为数据来源,选取76户零售行业的纳税人财务信息作为研究主体。运用概率神经网络建立纳税评估模型,对两类纳税户进行识别。将人工神经网络与纳税评估工作实践结合起来,一方面有利于实现纳税评估工作智能化,同时克服了工作中人为因素的干扰,也弥补人工神经网络无法识别训练样本本身错误的缺点。同时在模型的建立过程中穿插研究了概率神经网络的MATLAB实现方法,网络结构单元的确定,参数调整等问题。在模型的优化中,运用PNN算法对原有训练样本数据进行自测,通过自测发现矛盾,从而寻找可疑样本。然后以可疑样本为基础,综合运用K-means算法和层次聚类法以欧式距离为基础进行聚类,为可疑样本寻找近似数据构造可疑样本集。到此新的训练样本增加一类为可疑类,用新的训练样本作为对PNN网络训练样本的替代样本集进行预测。把概率神经网络与纳税评估工作流程相结合,实现纳税评估的智能化,为进一步的软件开发提供实验基础。