پیش بینی میزان درآمد حاصل از دریافت عوارض شهری شهرداری ها با استفاده از مدل شبکه عصبی (مطالعه موردی: شهر زابل)
Publish place: Journal of Research and Urban Planning، Vol: 6، Issue: 23
Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 47
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JUPM-6-23_002
تاریخ نمایه سازی: 29 بهمن 1402
Abstract:
اداره مطلوب شهرها و ارایه 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 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 شهرداری ها مورد توجه قرار میگیرد،که نقش محوری در جهت بالا بردن کیفیت زندگی در محیط های شهری و ارائه خدمات عمومی ایفا می کند. 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 شهرداری ها است که به صورت موردی شهر زابل مورد بررسی قرار می گیرد. 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 دیده اند تا در جهت پیش بینی میزان درآمد شهرداری زابل مورد استفاده قرار بگیرند. نتایج حاصل از پژوهش نشان می دهد 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)) ۶۹۴۵۴۱۶۷۸۳میلیارد ریال شهرداری زابل در آذر ماه سال ۹۲ از طریق دریافت عوارض درآمد کسب خواهد کرد.
Keywords:
Authors
غلامعلی خمر
دانشگاه زابل
معصومه جوادیان
دانشگاه زابل
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :