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

محورهای موضوعی : فصلنامه علمی و پژوهشی پژوهش و برنامه ریزی شهری

غلامعلی خمر ¹ , معصومه جوادیان ²

1 - دانشگاه زابل
2 - دانشگاه زابل

تاریخ دریافت : 1393/06/23 تاریخ پذیرش : 1395/03/25 تاریخ انتشار : 1394/11/01

کلید واژه: درآمد, شهرداری, شبکه عصبی, زابل, عوارض شهری,

چکیده مقاله :

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.

چکیده انگلیسی:

Desirable urban governance, service delivery, control and navigation projects, as well as good management practices, requires adequate credits and revenues and correct costs.Imposition is one ofmost important sources for municipalityin the development countries, that pay for the administration of the city of revenue, property, assets and consumption of natural and legal persons shall receive and spend to municipal services. The importance of urban effects, as does much that today spot as one of the municipal revenues that have, central role in order to raise the quality of life in urban environments, and provide services to the public.Since many of the cities problem is in the management of income and cost.so aim of the present study is to predictthe amount of income from payments to the municipality of effects of that case will be examined in Zabol. The method employed in this research is multilayered feed forward neural networks(MFNN) with Back  propagation (BP) algorithm.Data in this model have been trained until used in predict of municipality income in city of Zabole. The results of the research show that the amount of the incoming ofZabol's municipality the growth trend, and according to predictions made by the model neural networkZabol's municipality earn income square6945416783billion rialsin December 2013.

منابع و مأخذ:

پورشهابی، وحید. سارانی، سعید رضا. دهمرده­زاده، شمسی.(1390): بررسی منابع درآمدی شهرهای جدید استان سیستان و بلوچستان، دانشگاه آزاد اسلامی واحد زاهدان.

زمانی، رضا.(1391): پیش بینی درآمدهای شهرداری تهران با استفاده از شبکه‌های عصبی مصنوعی(روش MLP)، رساله دکتری، مالیه مدیریت شهری.

سعیدی مهرآباد، محمد. منصوری منش، سید جعفر. (1389): ضرورتی به نام ایجاد درآمد­های پایدار برای شهرداری­ها، معماری نیوز.

عباس زاده،ع. وخانی،ا. صمیمی،م.(1390): آشنایی با درآمد و روش­های افزایش آن در شهرداری­ها. تهران، سازمان شهرداری­ها و دهیاری­های کشور، چاپ اول.

فرجام نیا، ایمان. ناصری، محسن. احمدی، سید محمد مهدی.(1368): پیش بینی قیمت نفت با دو روش ARIMA و شبکه­های عصبی مصنوعی. فصل نامه پژوهش­های اقتصادی ایران،32، 161تا182.

کارتالویس، اس، وی.(1381): منطق فازی و شبکه­های عصبی(مفاهیم و کاربردها)، ترجمه محمود جورابیان و رحمت ا... هوشمند، اهواز، دانشگاه شهید چمران.

کلانی،ه. شاه سیاه، ز.(1388):سامانه سهول؛ راهکاری برای برون سپاری فرایند وصول عوارض خودرو و افزایش درآمد پایدار شهری.مجموعه مقالات سومین همایش مالیه شهرداری، مشکلات و راهکارها، تهران.

منصور، ج.(1380): مجموعه قوانین و مقررات شهر و شهرداری، نشر دوران، چاپ اول.

منهاج، محمد باقر.(1377): مبانی شبکه‌های عصبی مصنوعی، مرکز نشر پروفشور حسابی.

منهاج، محمد باقر.(1384): مبانی شبکه‌های عصبی مصنوعی و منطق فازی،دانشگاه صنعتی امیر کبیر تهران.

منهاج، محمد باقر.کاظمی، عالیه. شکوری گنجوی، حامد. مهرگان، محمد رضا و تقی زاده، محمد. (1389): پیش بینی تقاضای انرژی بخش حمل ونقل با استفاده از شبکه عصبی:مطالعه موردی: درایران پژوهش‌های مدیریت ایران 203تا220.

نیازی، سهراب. (1390): شبکه‌های عصبی.3.

ولیخانی دهاقانی، ماشاالله. طباطبایی، سید عباس.(1390): بررسی عوامل موثر بر تمایل شهروندان به پرداخت عوارض شهرداری، زمستان، شماره 12.

Chin, W.G.,Urban. T.L.and Baldridge.G.W.(1996).''Aneural Net work approach to mutual fund net asset value fore casting.'' Dmega,Int.J.mgmtscl.24(2)pp.205-215

Garliuskas,A.(1999).''Neural Net work chaos and Computational algonitms of finance'',proceeding if the IEEE SMC Con ference manand cyberenticcs 2, pp.638-643.

Harnik,K,(1991);''Approximation Capabilities of multilayer feed forward Net works'' Nerual Net works, 4: 251-257.

Kuan, G.M., and H. white(1994);''Artificial neural Net works:An econometric perspective''; Fconometric Reviews ,13:1-91

Wei,M., Bai,B.,Sung, A.H,.Liu,Q.,Wang.J.,&Cather,M.E(2007). Predicting injection profiles using ANFIS. infor Mation sciences,177.4445-4461.

Wong,Bok. Bodnovich., thomus A, Seivi, yakup(1977).''Neural Net work Applications in Business Areveiw and analysis of the literature(1988-1995).Decison Supporr systems.pp.230-320.

Zhang,G.Patuwo,B.E.,&Hu,M,Y.(1998),''forecasting with artificial neural Net works: the state of theavt ",international journal of forecasting,14:25-62.