地方财政收入是区域国民经济的综合反映,也是市场经济国家政府进行宏观调控的基础。精准的财政收入预测是优化财政预算,引领科学化、精准化财政管理的前提条件,对相关部门制定有效的财政政策和预算,加强地方财政收入的监督管理,促进国民经济快速、协调发展均有非常重要的实际应用价值。经济发展程度、税收政策、宏观经济环境等因素都在不同程度上影响着财政收入,各种因素之间交叉复合,加大了财政预测的难度。面对更多更复杂的数据,更新颖更有效的预测方法也应该被提出。武汉作为中部地区最大的经济体,其经济发展在全国经济中的地位举足轻重。本文选取了武汉市1994年以来的财政收入数据以及12个影响因素的数据,首先对数据进行了相关性与共线性检测,发现数据存在的问题。然后运用Adaptive-Lasso方法进行变量系数估计,用最小角回归求解Adaptive-Lasso估计,使得一些变量系数为0,剔除了一些共线性和影响较小的变量。其次,对剩余变量进行GM(1,1)灰色预测,得到剩余变量2018年和2019年的值,并且对预测精度给予等级评价。然后用前24年的数据对神经网络进行训练,把灰色预测的值带入训练好的神经网络中就可以得到武汉市2018年和2019年的财政预测值。本文首先是选取了12个影响因素,选取范围较广,其次数据是从1994年2017年,时间跨度较大,所以,得到的结果是充分考虑经济和历史背景的,具有一定的效果。