روش شبکه عصبی

در این مقاله، پیش بینی درآمد حاصل از این منبع مالیاتی با استفاده از رویکرد مبتنی بر برآورد پایه مالیاتی مدنظر قرار گرفته است. بدین نحو که در مرحله اول، پایه مالیات (مخارج مصرفی سیگار) برای دوره 1391 الی 1394 پیش بینی و سپس مالیات این سال ها با اعمال نرخ های مالیاتی، محاسبه خواهد شد. در این راستا از آنجا که یکی از دغدغه های سیاستگذاران دسترسی به پیش بینی های دقیق از درآمدهای مالیاتی است، از روش شبکه های عصبی با ناظر برای پیش بینی و برای آموزش شبکه ها از الگوریتم پس انتشار استفاده شده است. نتایج بیانگر آن است که درآمد مالیات بر ارزش افزوده ناشی از مصرف سیگار در سال های مورد پیش بینی، به طور متوسط از رشد سالانه 20 درصد برخوردار خواهد شد.

در قانون مالیات بر ارزش افزوده برای کنترل مصرف بنزین، به عنوان یکی از کالاهای آلاینده محیط زیست، و همچنین دستیابی به منابع درآمدی جهت حفاظت از محیط زیست، نرخ مالیاتی بالاتر از نرخ استاندارد بر مصرف آن وضع می شود. از این رو، در این مقاله پیش بینی میزان درآمد قابل وصول از این پایه مالیاتی با استفاده از رویکردی دو مرحله ای مدنظر قرار گرفته است. در مرحله اول، پایه مالیات (مخارج مصرفی بنزین) برای دوره 1392 الی 1395 پیش بینی و سپس مالیات بر مصرف بنزین برای سال های مذکور، با اعمال نرخ های مالیاتی، محاسبه شده است. در این راستا برای پیش بینی های دقیق از درآمد مالیاتی مورد نظر، از روش شبکه های عصبی مصنوعی با ناظر برای پیش بینی و برای آموزش شبکه ها از الگوریتم پس انتشار خطا استفاده شده است. نتایج بیانگر این است که در سال های مورد پیش بینی، تغییر قیمت بنزین ناشی از برقراری مالیات مذکور، تأثیر چندانی بر روی مصرف بنزین نخواهد داشت. همچنین، درآمد مالیات بر ارزش افزوده ناشی از مصرف بنزین به طور متوسط از رشد سالانه 35 درصد برخوردار خواهد شد.

استان خراسان رضوی به عنوان دومین استان پرجمعیت کشور با نزدیک به ۶ میلیون نفر ساکن، بیش از ۲۵۰۰ گسل در آن شناسایی شده که ۶۰% مساحت، ۷۵% شهرها و ۳۵% روستاها در حریم این گسل ها قرار دارد؛ لذا پیش بینی محل وقوع زلزله های آینده، می تواند در کاهش خطرات ناشی از زلزله در این استان بسیار سودمند باشد. هدف پژوهش، شناسایی مکان هایی است که احتمال رخداد زلزله در آن ها نسبت به سایر مناطق بیشتر می باشد. برای دستیابی هدف پژوهش، اطلاعات زلزله های ۸-۴ ریشتری رخ داده در محدوده این استان بین سال های ۲۰۱۴-۱۹۰۰ میلادی با ویژگی های مکان، عمق، ساعت و بزرگی زلزله استخراج گردید. سپس با استفاده از روش شبکه عصبی مصنوعی خودسازمان ده کوهونن به پیش بینی احتمال رخداد زلزله آتی و مکان آن پرداخته شده است. یافته های تحقیق نشان می دهد که میانگین بزرگی و عمق زلزله های اتفاق افتاده در این استان به ترتیب، ۶/۴ ریشتر و ۹۶/۲۰ کیلومتری سطح زمین بوده است. فراوانی ساعت وقوع زلزله ها در طی ۲۴ ساعت شبانه روز به تفکیک در فصول مختلف، از بعد ظهر تا ساعات اولیه بامداد اتفاق افتاده که اوج آن برای بهار، تابستان، پاییز و زمستان به ترتیب در ساعات ۱، ۲۴، ۲۳ و ۲۲ است. همچنین ۱۲% جمعیت شهری و ۱۰% جمعیت روستایی استان در پهنه های با خطر نسبتاً بالا و بالا قرار دارد. بیشترین احتمال وقوع زلزله در منطقه مرکزی متمایل به غرب استان (شهرستان کاشمر و جنوب شرق شهرستان های سبزوار و بردسکن) و در منطقه جنوب شرق استان (شهرستان خواف) با احتمال ۳۰%، بالاتر نسبت به سایر مناطق پیش بینی شده است.

تغییرات کاربری اراضی در اثر فعالیت های انسانی یکی از موضوعات مهم در برنامه ریزی های منطقه ای و توسعه ای می باشد. با توجه به مزیت ها و قابلیت هایی که داده های ماهواره ای دارند، این تکنولوژی می تواند کمک شایانی به شناسایی و کشف این تغییرات نماید. هدف از این تحقیق آشکارسازی تغییرات کاربری اراضی شهرستان کامیاران با استفاده از تصاویر ماهواره ای طی دوره 35 ساله می باشد. در این مطالعه از داده های سال 1984 سنجنده TM  ، 2000 سنجنده ETM+ و 2019 سنجنده OLI ماهواره لندست استفاده شد. در ابتدا پیش پردازش های اولیه شامل تصحیحات رادیومتری، اتمسفری و هندسی بروی داده خام انجام گرفت. از نقاط کنترل زمینی جهت آموزش، اعتبارسنجی و برای تهیه نقشه کاربری اراضی استفاده شد. کلاس کاربری در هر نقطه با پیمایش میدانی و با استفاده از تصاویر گوگل ارث در 9 کلاس کاربری زمین های کشاورزی، جنگل ، باغ، مراتع غنی و مشجر، مراتع متوسط، مناطق مسکونی،پهنه آبی، زمین های بایر و رخنمون سنگی مشخص گردید. در ادامه از روش شبکه عصبی برای طبقه بندی نظارت شده تصاویر در نرم افزار ENVI 5.3 استفاده شد. نتایج ارزیابی نشان داد که صحت کلی و ضریب کاپای تصاویر طبقه بندی شده OLI  به ترتیب 94.3 و 0.92 درصد، ETM+  92.6 و 0.91 درصد و TM 90.3 و 0.87 درصد می باشد. نتایج مشخص کرد که اراضی جنگلی  و  مراتع غنی و مشجرکاهش محسوسی در طی سه بازه زمانی داشته که به ترتیب 11.64 و  19.12 درصد کاهش یافته است. به طوری که مراتع غنی و مشجر  تا سال 2000 روندی افزایشی  و در بازه زمانی بعدی تا سال 2019 روند کاهشی داشته است. اراضی مسکونی، پهنه آبی و باغات روند افزایشی داشته  و به ترتیب 2.27، 0.57 و 3.98 درصد رشد افزایشی داشته است.