随着人工智能的不断发展和应用,通过深度学习等方法对大量的数据进行分析和预测,将得到的结果应用于各个所需领域,为各个所需领域带来很多便利。本文利用深度学习算法针对税收数据进行大型企业非增值税欠税预测,能够更好地为税务稽查人员服务,提高稽查人员的决策质量和效率,从而保障国家的税收收入。在对税收数据进行分析时,其数据量庞大且复杂,难以直接对数据进行分析,因此在税收分析预测过程中需要对原始数据进行处理,建立符合业务逻辑、满足需求的数据仓库,它是以南海区大型企业的缴税信息数据和基本信息数据为基础,结合专业税务知识对数据进行预处理,清洗掉非法数据、冗余数据、错误数据等其他形式的噪声数据,建立符合本文主题的事实表和多个维表,从而建立的非增值税税务数据仓库。随后以非增值税税收数据仓库中的数据为基础从多个维度去考虑影响企业欠税的特征属性,实验发现企业欠税行为与地理区域、行业类型、注册类型有一定的时间关联性,最终结合税务人员提供的有关知识和经验确定影响企业欠税的多个特征属性,其中包含了财务方面的数据、纳税人的信息、纳税数据。最后,根据企业前一年影响企业欠税的特征属性数据来预测下一年是否会发生欠税行为,研究以深度学习算法为基础的企业欠税预测模型,并对模型输入层、隐含层、输出层的设计及模型优化。使用佛山市南海区税务机关提供的2015年和2016年非增值税税收相关数据,对预测模型进行准确率验证,分别对每一步优化得出的预测准确率进行记录和分析,目前得出最高平均预测准确率为88.45%,对比人工预测和计量等传统方法预测欠税不足80%的准确率有大幅度提高,并且使用多维度数据更加具有说服力,从而证明基于深度学习算法的企业欠税预测模型具有合理性与可靠性,为税务机关单位提供科学合理的研究思路。