الگوریتم پس انتشار

در این مقاله با استفاده از شبکه های عصبی مصنوعی و با در نظر گرفتن شاخص های اقتصادی و اجتماعی، تقاضای انرژی بخش حمل و نقل کشور در سال های 1386 تا 1400 پیش بینی شده است. از شبکه های عصبی رو به جلو با ناظر برای پیش بینی و از الگوریتم پس انتشار برای آموزش شبکه ها استفاده شده است. برای بررسی تأثیر شاخص های اقتصادی و اجتماعی بر تقاضای انرژی بخش حمل و نقل، داده های مربوط به تولید ناخالص داخلی، جمعیت و تعداد خودرو طی سال های 1347 تا 1385 به کار گرفته شده است. نتایج حاصل از پیش بینی با این روش در مقایسه با روش رگرسیون چندمتغیره، نشان دهندة خطای به مراتب کمتری است،؛ به طوری که درصد میانگین قدرمطلق خطا 6% کاهش یافت. / 15 % به 05 / از 52

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.