شبکه عصبی (GAPSO)

تمرکززدایی مالی نشان دهنده انتقال مسئولیت و اختیارات درآمد و تصمیم گیری درباره مخارج از سوی دولت مرکزی به سطوح پایین تر است. در سال های اخیر با افزایش مصرف انرژی، گرم شدن کره زمین، انتشار کربن و تغییرات آب و هوا، موضوع تمرکززدایی مالی و اثرات زیست محیطی آن مورد توجه قرار گرفته است. چرا که تمرکززدایی مالی تاثیر مهمی در ترویج منابع انرژی پاک، کاهش مصرف انرژی و کاهش انتشار کربن دارد. در مطالعه حاضر از مدل های هوشمند ترکیبی برای پیش بینی و تحلیل تمرکززدایی مالی از دو بعد مخارج و درآمد با در نظر گرفتن بر مصرف انرژی و اثرات زیست محیطی آن با ترکیب الگوریتم های بهینه سازی ازدحام ذرات، ژنتیک و شبکه عصبی استفاده شده است. الگوریتم های بهینه سازی با کنترل تمام مراحل دقت پیش بینی را افزایش می دهند. بدین منظور از داده های فصلی طی دوره 1400-1375 استفاده شده است. مطابق نتایج تحقیق شبکه عصبی پس انتشار ارتجاعی در پیش بینی تمرکززدایی درآمد و شبکه عصبی پس انتشار گرادیان مزدوج مقیاس شده دارای قدرت بالایی در پیش بینی تمرکززدایی مخارج در کشور بوده است. همچنین، مقدارآماره R که نشاندهنده نکویی برازش مدل است، برای متغیر تمرکززدایی درآمد نسبت به تمرکززدایی مخارج بیشترین مقدار را داشته و این نشان دهنده عملکرد بهتر مدل تمرکززدایی درآمد نسبت به تمرکززدایی مخارج بوده است. نتایج مدل ترکیب بهینه ساز(GPA) و مدل شبیه ساز عصبی (GAPSO) در پیش بینی تمرکززدایی مخارج و درآمد نشان داد که تمرکززدایی درآمد دارای بهترین عملکرد نسبت به مدل تمرکززدایی مخارج بوده است.