精确的数据分析对税务部门来讲是相当重要。决策者可以通过数据分析对各级税务机关的下一步工作作出更全面的分析和最科学的决策,要想得到最精确的分析并将它报告给决策者,必须要能够设计数据分析项目,收集数据,轻松地访问和管理数据,分析数据,然后共享你的分析结果。由于税收工作比较复杂,难于处理,因此税收分析人员在实际的工作中就需要一套易用性强、符合业务逻辑,并且能够提高他们工作效率的工具。但是,事实上很多税收预测解决方案都无法满足这些特点,更难有一个能覆盖分析过程中的每个步骤的解决方案。由此,本文建立吉林省两税信息比对数据仓库,在此基础上构建BP神经网络模型来预测税收收入。首先,本人对论文的研究背景、研究目的、意义做了论述,简单的介绍了神经网络技术在预测领域的应用情况,对国内外研究现状进行了一定的研究,并指出了本人的主要工作。其次,论文介绍了数据挖掘的基本原理,以及BP神经网络的基础知识和基本的网络模型,以及其学习过程。第三,论文对数据仓库的开发目标、应用框架、系统结构、设计方法以及详细实现过程进行了介绍。然后,论文详细论述了基于BP神经网络的税收预测模型的构建。主要包括：基于BP神经网络的预测模型的主要技术,这样有数据样本的选取和规范化处理、确定输入和输出变量、确定隐层节点数、初始化权和阈值的选取、训练算法和参数的选取,最后建立符合税务业务实际需求的网络模型。最后,论文以吉林省两税信息比对系统为背景,通过数据仓库技术解决了税务分析人员的工作需要,同时为税收收入预测模型提供了灵活的数据来源,应用MATLAB神经网络工具箱建立了基于BP网络的预测模型。对预测值和真实值进行比较,证明此方案在税务部门允许的误差范围内可以发现税收收入与影响因素之间的关系,可以应用在实际工作中预测未来税收收入,加强了决策的科学性和规范性,提高税务部门的监管能力和执法水平,充分发挥信息化建设的整体效能。