| بررسی قدرت عملکرد الگوی هیبریدی یادگیری عمیق ماشین مبتنی بر تبدیل موجک در پیش‌بینی درآمدهای مالیاتی استان آذربایجان غربی |
| کد مقاله : 1010-TAXRESEARCH |
| نویسندگان |
|
احمد عزتی شورگلی *1، فرناز مظفری2، رضا محمدپور3، ناصر شیرزاده4 1استادیار موسسه غیرانتفاعی آفاق ارومیه- کارشناس اقتصاد وزارت امور اقتصادی و دارایی 2دانشجوی کارشناسی ارشد رشته مهندسی مالی و مدیریت ریسک، موسسه آموزش عالی آفاق، ارومیه، ایران 3استادیار موسسه آموزش عالی آفاق، ارومیه، ایران 4کارشناس ارشد اقتصاد، دانشگاه ارومیه، ارومیه، ایران |
| چکیده مقاله |
| مطالعه حاضر با هدف بررسی و ارزیابی دقت مدل‌های مختلف در پیش‌بینی درآمدهای مالیاتی استان آذربایجان غربی انجام شده است. پیش‌بینی دقیق درآمدهای مالیاتی به‌عنوان یکی از ابزارهای کلیدی در مدیریت اقتصادی دولت‌ها اهمیت زیادی دارد، زیرا هرگونه خطا در پیش‌بینی می‌تواند منجر به تخصیص نادرست منابع و عدم تعادل در بودجه عمومی گردد. در این تحقیق، از داده‌های ماهانه درآمدهای مالیاتی استان آذربایجان غربی طی دوره زمانی 1384 تا 1403 استفاده شد. الگوریتم‌های مختلف یادگیری ماشین شامل یادگیری عمیق ماشین، یادگیری عمیق مبتنی بر تبدیل موجک، رگرسیون بردار پشتیبان، جنگل تصادفی و فضا-حالت برای پیش‌بینی درآمدهای مالیاتی مورد ارزیابی قرار گرفتند. همچنین مدل هیبریدی یادگیری عمیق ماشین مبتنی بر تبدیل موجک به‌عنوان رویکرد اصلی تحقیق معرفی شد که به منظور بهبود دقت پیش‌بینی، از تبدیل موجک برای استخراج ویژگی‌های مهم داده‌ها و سپس استفاده از یادگیری عمیق برای پردازش آن‌ها بهره گرفت. نتایج نشان داد که مدل یادگیری عمیق مبتنی بر موجک در پیش‌بینی داده‌های درون نمونه عملکرد بسیار خوبی داشته و خطای پیش‌بینی آن نسبت به سایر الگوریتم‌ها کمتر بود. با این حال، در پیش‌بینی برون نمونه برای سال 1403، که شامل افزایش غیرمنتظره درآمدهای مالیاتی (117 درصد) بود، مدل یادگیری عمیق مبتنی بر موجک نتوانست به‌طور دقیق این تغییرات را مدل‌سازی کند و مدل یادگیری عمیق ماشین بدون موجک عملکرد بهتری نشان داد. |
| کلیدواژه ها |
| موجک، یادگیری عمیق، پیش‌بینی، درصد خطای میانگین مطلق نسبی، استان آذربایجان غربی. |
| وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر |