針對傳統(tǒng)稅收預測模型精度較低的問題，提出一種將Adaboost算法和BP神經(jīng)網(wǎng)絡相結(jié)合進行稅收預測的方法。該方法首先對歷年稅收數(shù)據(jù)進行預處理并初始化測試數(shù)據(jù)分布權(quán)值；然后初始化BP神經(jīng)網(wǎng)絡權(quán)值和閾值，并將BP神經(jīng)網(wǎng)絡作為弱預測器對稅收數(shù)據(jù)進行反復訓練和調(diào)整權(quán)值；最后使用Adaboost算法將得到的多個BP神經(jīng)網(wǎng)絡弱預測器組成新的強預測器并進行預測。通過對我國1990-2010年稅收數(shù)據(jù)進行仿真實驗，結(jié)果表明該方法相比傳統(tǒng)BP網(wǎng)絡預測，平均誤差相對值從0.50%減少到0.18%，有效地降低了單個BP陷入局部極小的影響，提高了網(wǎng)絡預測精度。