納稅評估是一項重要而復雜的工作。針對目前尚無十分有效的納稅評估預警模型的情況，提出利用遞歸神經網絡（RNN）建立納稅評估預警模型的方法，利用RNN的方法選出有涉稅疑點的企業，解決了預警模型無疑點指向性的問題。通過建立行業的納稅評估預警模型，并進行驗證分析，表明該方法可行。

　　納稅評估是對納稅人納稅能力的估測，并據此對納稅人實際繳納稅款的真實性做出評估。雖然，納稅人的真實納稅能力很難準確計算出來，但其納稅異常虛假情況卻能通過納稅人相關納稅指標分析評估出來。納稅評估是一種在信息化條件下的風險審查糾錯機制，是申報征收與稅務稽査之間的一道屏障，也是構建稅收征管體系架構之關鍵。納稅評估已經成為稅務機關新時期強化稅源管理、為納稅人提供深層次的服務、促進誠信納稅的一種具有綜合效益的征管手段，運用科學、合理的評估手段，降低評估風險和成本，提高納稅評估工作的整體效率和效果，成為了納稅評估工作的關鍵問題

　　納稅評估在發達國家已形成成熟的系統理論，Allingham 和Sandmo 首次提出了“主動納稅行為評估”問題，建立了規范性計量經濟模型［3］，其研究結果從理論上證明逃稅規模與稽查處罰的概率存在負相關等有意義的結論，然而工作遠未結束，這個數學模型方法的先行者受到很多批評，比如Graetz 等［4］，Alm等以及Frey 和Feld 等，其主要原因是依法納稅在理論上的評估和實際情況下的事實相差很大，所以這種經濟模型對逃稅的預測能力較弱，不具有實用價值。根據Graetz 和Wilde，Alm，McClelland 和Schulze 的研究結果，美國“風險厭惡Arrow-Pratt 測度”基本上只介于1 和2 中，但是實際觀察到的依法納稅率卻高達30%，存在很大的差距；而且，根據實證結果顯示，多數情況下納稅人的營業收入申報額要高于模型的預測值，所以為了解決這個問題，很多專家把道德因素添加到此模型中，希望能得出更為合理的結論，但是在Andreoni 的文中，他指出這個問題沒有得到很好的解決，仍然需要研究。