برآورد ظرفیت بالفعل مالیاتی ایران با استفاده از الگوریتم بهینه سازی انبوه ذرات (pso) و الگوریتم ژنتیک (ga)
Authors
abstract
با توجه به اهمیت فراوان درآمدهای مالیاتی در تأمین منابع مالی مورد نیاز دولتها، بررسی ظرفیت بالفعل مالیاتی همواره مورد توجه دولتمردان و سیاستگذاران بوده است. در این مقاله، تابع ظرفیت مالیاتی با دو الگوریتم ژنتیک و بهینه سازی انبوه ذرات طی دوره 1389-1361 برآورد شده است. براساس معیارهای ارزیابی عملکرد که شامل میانگین انحراف معیار، جذر میانگین انحراف معیار، میانگین درصد خطای مطلق و میانگین خطای مطلق می باشند مدل برآورد شده با الگوریتم بهینه سازی انبوه ذرات برای اندازهگیری ظرفیت مالیاتی انتخاب گردید. نتایج مدل برآوردی نشان دهنده تأثیر مثبت متغیرهای درآمد سرانه و نسبت ارزش افزوده بخشهای صنعت و معدن و خدمات به تولید ناخالص داخلی بر ظرفیت مالیاتی میباشد. همچنین نسبت ارزش افزوده بخش کشاورزی به تولید ناخالص داخلی، نرخ تورم و بیکاری با ظرفیت مالیاتی رابطۀ غیرمستقیم دارد.
similar resources
برآورد ظرفیت بالفعل مالیاتی ایران با استفاده از الگوریتم بهینه سازی انبوه ذرات (PSO) و الگوریتم ژنتیک (GA)
با توجه به اهمیت فراوان درآمدهای مالیاتی در تأمین منابع مالی مورد نیاز دولتها، بررسی ظرفیت بالفعل مالیاتی همواره مورد توجه دولتمردان و سیاستگذاران بوده است. در این مقاله، تابع ظرفیت مالیاتی با دو الگوریتم ژنتیک و بهینه سازی انبوه ذرات طی دوره 1389-1361 برآورد شده است. براساس معیارهای ارزیابی عملکرد که شامل میانگین انحراف معیار، جذر میانگین انحراف معیار، میانگین درصد خطای مطلق و میانگین خطا...
full textبهینه سازی سیکل ترکیبی با استفاده از الگوریتم های ژنتیک(GA) و بهینه سازی دسته ذرات(PSO)
چکیده: در این مقاله، سیکل ترکیبی بصورت کامل مدلسازی شده و پس از تحلیل انرژی و اگزرژی، تابع برازش مناسب تعریف و بهینه سازی آن توسط الگوریتم های ژنتیک و بهینه سازی دسته ذرات انجام شده است. لازم به ذکر است سیکل های ترکیبی از طراحی پیچیدهای برخوردار بوده و اعمال هر تغییر در طراحی، بر متغیرهای زیادی به صورت مستقیم و غیر مستقیم تاثیر گذار میباشد. اگرچه در گذشته تلاشهای زیادی به منظور بهینه سازی تک ...
full textبررسی عملکرد دو الگوریتم ژنتیک (GA) و اجتماع ذرات (PSO) در بهینه سازی مسئله CGAM
نوشتار حاضر به مدلسازی ترمودینامیکی یک نیروگاه توربین گازی با توان تولیدی MW ۳۰ و (kg/s) ۱۴ بخار اشباع در فشار bar ۲۰ پرداخته است. این سیستم معروف به مسئله CGAM است. در مسئلهی CGAM تابع هدف شامل مجموع هزینهی سرمایهگذاری و همچنین هزینهی سوخت مصرفی است. در این نوشتار بهینهسازی با کمینهسازی تابع هدف و نیز بهکارگیری الگوریتم ژنتیک و الگوریتم اجتماع ذرات بهکمک نرمافزار متلب انجا...
full textبهینه سازی سیکل ترکیبی با استفاده از الگوریتم های ژنتیک(ga) و بهینه سازی دسته ذرات(pso)
چکیده: در این مقاله، سیکل ترکیبی بصورت کامل مدلسازی شده و پس از تحلیل انرژی و اگزرژی، تابع برازش مناسب تعریف و بهینه سازی آن توسط الگوریتم های ژنتیک و بهینه سازی دسته ذرات انجام شده است. لازم به ذکر است سیکل های ترکیبی از طراحی پیچیدهای برخوردار بوده و اعمال هر تغییر در طراحی، بر متغیرهای زیادی به صورت مستقیم و غیر مستقیم تاثیر گذار میباشد. اگرچه در گذشته تلاشهای زیادی به منظور بهینه سازی تک ...
full textشبیه سازی تابع مصرف و پیش بینی میزان مصرف ایران تا افق 1404 با استفاده از الگوریتم ژنتیک و الگوریتم بهینه سازی انبوه ذرات (pso)
مصرف یا مخارج مصرفی، یکی از عناصر کلیدی تحلیلهای کلان اقتصادی است که بخش مهمی از تقاضای کل در اقتصاد ایران را به خود اختصاص میدهد. لذا تلاش در جهت پیشبینی روند آتی این متغیر از اهمیت ویژهای برای سیاستگذاران برخوردار است. در این مقاله با تکیه بر مبانی نظری مربوط به تابع مصرف، به تصریح مدل مصرف مناسب برای اقتصاد ایران با هدف دستیابی به پیشبینی مطلوب پرداخته میشود. لذا با هدف پیش بینی ر...
full textشبیه سازی منحنی زیست محیطی کوزنتس در ایران با استفاده از الگوریتم ژنتیک و الگوریتم بهینه سازی انبوه ذرات
بر اساس فرضیه زیست محیطی کوزنتس رابطه بین درآمد سرانه و سرانه انتشار آلایندهها به شکل u وارونه است. اکثر مطالعات در این مورد بر اساس برآورد مدلهای رگرسیون کاملا پارامتریک درجه دوم و درجه سوم به بررسی این فرضیه پرداختهاند. هدف این مقاله شبیه سازی رابطه بین انتشار سرانه دی اکسید کربن (co2) و درآمد سرانه در ایران با استفاده از الگوریتم ژنتیک (ga) و الگوریتم بهینه سازی انبوه ذرات (pso) است. سه فر...
full textMy Resources
Save resource for easier access later
Journal title:
فصلنامه پژوهشنامه مالیات(علمی-پژوهشی)جلد ۲۱، شماره ۱۷، صفحات ۷-۳۰
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023