پیش بینی میزان درآمد حاصل از دریافت عوارض شهری شهرداری‌ها با استفاده از مدل شبکه عصبی (مطالعه موردی: شهر زابل)

Authors

  • معصومه جوادیان دانشگاه زابل
Abstract:

اداره ﻣﻄﻠﻮب ﺷﻬﺮﻫﺎ و اراﺋﻪ ﺧﺪﻣﺎت ﻣﻨﺎﺳﺐ و ﮐﻨﺘﺮل و ﻫﺪاﯾﺖ ﭘﺮوژه­ﻫﺎی ﻋﻤﺮاﻧﯽ، ﻋﻼوه ﺑﺮ اﻋﻤﺎل ﻣﺪﯾﺮﯾﺖ ﺻﺤﯿﺢ، ﻣﺴﺘﻠﺰم اﻋﺘﺒﺎرات و درآﻣﺪﻫﺎی ﮐﺎﻓﯽ و ﻫﺰﯾﻨﻪ ﺻﺤﯿﺢ آن ﻣﯽ ﺑﺎﺷﺪ عوارض از مهم ترین منابع بهینه شهرداری‌ها در کشورهای پیشرفته جهان است که بابت اداره شهر از درآمدها، اموال، دارایی و مصرف اشخاص حقیقی و حقوقی دریافت می‌گردد و صرف خدمات شهری می‌شود. شهرداری­ها عمده هزینه­های ارائه خدمات خود را از محل دریافت عوارض مختلف از شهروندان تامین می­نمایند، در این راستا شهرداری­ها به دنبال ایجاد منابع درآمدی پایدار هستند. اهمیت عوارض شهری تا بدان حد است که امروزه به عنوان یکی از درآمدهای شهرداری‌ها مورد توجه قرار می­گیرد،که نقش محوری در جهت بالا بردن کیفیت زندگی در محیط­‌های شهری و ارائه خدمات عمومی ایفا می‌کند. از آﻧﺠﺎ ﮐﻪ ﺑﺴﯿﺎری از ﻣﺸﮑﻼت ﺷﻬﺮﻫﺎی ﮐﺸﻮر رﯾﺸﻪ در ﻧﻈﺎم ﻣﺪﯾﺮﯾﺖ درآﻣﺪ و ﻫﺰﯾﻨﻪ آﻧﻬﺎ دارد بر این اساس، هدف از پژوهش حاضر پیش بینی میزان درآمد حاصل از عوارض پرداختی به شهرداری­‌ها است که به صورت موردی شهر زابل مورد بررسی قرار می‌گیرد. روش به کار گرفته شده در این پژوهش مدل شبکه عصبی از نوع پیش خور (MFNN) با الگوریتم پس انتشار خطا (BP) است که داده­ها در این مدل آموزش دیده‌اند تا در جهت پیش بینی میزان درآمد شهرداری زابل مورد استفاده قرار بگیرند. نتایج حاصل از پژوهش نشان می‌دهد که میزان عوارض دریافتی توسط شهرداری زابل روند رو به رشدی را در پی داشته و طبق پیش بینی انجام شده توسط مدل شبکه عصبیANN)) 6945416783میلیارد ریال شهرداری زابل در آذر ماه سال 92 از طریق دریافت عوارض درآمد کسب خواهد کرد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی میزان درآمد حاصل از دریافت عوارض شهری شهرداری ها با استفاده از مدل شبکه عصبی (مطالعه موردی: شهر زابل)

اداره ﻣﻄﻠﻮب ﺷﻬﺮﻫﺎ و اراﺋﻪ ﺧﺪﻣﺎت ﻣﻨﺎﺳﺐ و ﮐﻨﺘﺮل و ﻫﺪاﯾﺖ ﭘﺮوژه­ﻫﺎی ﻋﻤﺮاﻧﯽ، ﻋﻼوه ﺑﺮ اﻋﻤﺎل ﻣﺪﯾﺮﯾﺖ ﺻﺤﯿﺢ، ﻣﺴﺘﻠﺰم اﻋﺘﺒﺎرات و درآﻣﺪﻫﺎی ﮐﺎﻓﯽ و ﻫﺰﯾﻨﻪ ﺻﺤﯿﺢ آن ﻣﯽ ﺑﺎﺷﺪ عوارض از مهم ترین منابع بهینه شهرداری ها در کشورهای پیشرفته جهان است که بابت اداره شهر از درآمدها، اموال، دارایی و مصرف اشخاص حقیقی و حقوقی دریافت می گردد و صرف خدمات شهری می شود. شهرداری­ها عمده هزینه­های ارائه خدمات خود را از محل دریافت عوا...

full text

پیش بینی وقوع طوفان گرد و خاک با استفاده از روش شبکه های عصبی مصنوعی (مطالعه ی موردی: شهر زابل)

طوفان­های گرد و خاک یکی از انواع رایج حوادث و فرایندهای اقلیمی در مناطق خشک، نیمه­خشک و بیابانی دنیا هستند. این طوفان­ها هر ساله خسارتهای مالی زیادی را بر منابع انسانی وارد می­سازند. پیش­بینی زمان وقوع این پدیده می­تواند برای اتخاذ تدابیر پیشگیرانه در مقابل خسارت­های بهداشتی، ترابری، نظامی و غیره مؤثر واقع شود. شبکه­های عصبی مصنوعی روشی است که می­تواند برای پیش­بینی روندهای غیرخطی و فرایندهایی ...

full text

پیش بینی عملکرد روسازی با تلفیق مدل خانواده و شبکه عصبی (مطالعه موردی: معابر شهر ساری)

مدل پیش­بینی عملکرد روسازی مهم‌ترین بخش از یک سیستم مدیریت روسازی است. اثر بخشی برنامه­های بلندمدت و میان مدت تعمیرات و نگهداری راه، وابسته به صحت و اعتبار مدل پیش­بینی عملکرد روسازی است. در مدلهای خانواده، قطعات مختلف که مشخصات فنی مشابه داشته و روند افت کیفیت آنها یکسان باشد، در یک گروه قرار گرفته و برای مجموعه قطعات روسازی هر خانواده، یک مدل پیش بینی ساخته می­شود. مدلسازی بر اساس خانواده روس...

full text

توسعۀ یک مدل خبره برای پیش بینی تقاضای آب شهری با استفاده از شبکۀ عصبی مصنوعی، نمونه موردی شهر ایلام

مدیریت و تأمین آب شهری، همواره یکی از دغدغه های اصلی مدیران و برنامه ریزان شهری بوده است. شناخت تقاضای آب شهری و عوامل مؤثر بر آن، از مولفه های مهم در مدیریت و کنترل مصرف آب شهری محسوب می شود. در تحقیق حاضر مدلی خبره برای پیش بینی تقاضای آب شهری ایلام با استفاده از شبکۀ عصبی مصنوعی توسعه یافته است. مدل خبره، مبتنی بر عوامل مؤثری است که از درآمد سالانه ( x1)، ناحیه مصرف(x2)...

full text

پیش بینی خشکسالی با استفاده از مدل تلفیقی شبکه عصبی مصنوعی- موجک و مدل سری زمانیARIMA

تبدیل موجک یکی از روش­های نوین و بسیار موثر در زمینه تحلیل سیگنال­ها و سری­های زمانی است. در این روش سیگنال شاخص بارش استاندارد (SPI) با استفاده از موجک مادر منتخب تجزیه شده، داده­های حاصل به­عنوان ورودی مدل شبکه عصبی مصنوعی در نظر گرفته شده و یک مدل تلفیقی برای پیش­بینی خشکسالی ارائه می­گردد. در این تحقیق، از شبکه­های عصبی مصنوعی پرسپترون چند لایه (MLP) و تابع پایه‌ای شعاعی ((RBF، سری زمانی AR...

full text

پیش بینی رشد آتی شهر با استفاده از مدل اتوماتای سلولی پیشرفته مطالعه موردی: شهر چالوس

به نظر می‌رسد تمرکز بی‌برنامه جمعیت، بدون در نظر گرفتن تمهیدات زیست محیطی، اقتصادی و اجتماعی، ریشه بسیاری از بحران‌ها و مشکلاتی است که بشر به تازگی با آنها برخورد کرده است. با اهمیت پیدا کردن محدودیت منابع، اندیشمندان و نظریه‌پردازان بسیاری رشد ناموزون شهرها را  پدیده‌ای غیر قابل پذیرش معرفی کرده‌اند و در جستجوی راهی برای اصلاح روندهای موجود می‌باشند. در همین راستا اتوماتای سلولی، به عنوان  مدل...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 6  issue 23

pages  21- 34

publication date 2016-01-21

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023