ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

پیش بینی پرداخت عوارض شهرداری با استفاده از تکنیک های داده کاوی

سال انتشار: 1399
کد COI مقاله: COPSS01_056
زبان مقاله: فارسیمشاهده این مقاله: 89
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 11 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی پرداخت عوارض شهرداری با استفاده از تکنیک های داده کاوی

سید مصطفی خطیبی - دانش آموخته کارشناسی ارشد مهندسی صنایع، دانشگاه صنعتی سجاد، مشهد، ایران
هانیه مقربی - کارشناس تضمین کیفیت کارخانه سیمان زاوه تربت
مریم ابارشی - دانشجو کارشناسی ارشد مهندسی صنایع، دانشگاه سمنان، سمنان، ایران

چکیده مقاله:

بدون شک شهرداری برای فراهمکردن موجبات گسترش موزون و متناسب شهر و تأمین تأسیسات زیربنایی و تجهیزات شهری، و خدمات عمومی مورد نیاز شهروندان، احتیاج به منابع مالی کافی و مطمئن دارد و بدون آن امکان هیچگونه فعالیت عمرانی و خدمات رسانی وجود نخواهد داشت. براساس بررسی های انجام شده، عمده ی هزینه های شهر و شهرداری را می توان به انواع مختلفی مانند تهیه ی زمین مورد نیاز برای تأسیسات عمومی و اجتماعی؛ هزینه ی احداث تأسیسات زیر بنایی و عمران و نوسازی شهری؛ هزینه های خدمات مستمر و جاری و نگهداری و اداره ی تأسیسات و تجهیزات شهری طبقه بندی کرد. منبع تأمین درآمد برای جبران هزینه های گروه «ج»، دریافت عوارض سالانه از ساختمان ها و زمین های واقع در محدوده و حریم شهر بر اساس درصدی از قیمت آنهاست که در کشور ما به نام «عوارض نوسازی» معروف است. در این مقاله از داده ها مربوط به 1472 ساختمان در شهر مشهد که شامل سال های 90 تا 93 می باشد با استفاده از تکنیک های داده کاوی برای پیش بینی پرداخت عوارض شهرداری استفاده می کنیم.

کلیدواژه ها:

پیش بینی، عوارض نوسازی شهرداری، داده کاوی، شبکه عصبی، درخت تصمیم، یادگیری عمیق، جنگل تصادفی

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا COPSS01_056 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1163767/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
خطیبی، سید مصطفی و مقربی، هانیه و ابارشی، مریم،1399،پیش بینی پرداخت عوارض شهرداری با استفاده از تکنیک های داده کاوی،اولین کنفرانس ملی بهینهسازی سیستمهای تولیدی و خدماتی،رودسر،،،https://civilica.com/doc/1163767

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1399، خطیبی، سید مصطفی؛ هانیه مقربی و مریم ابارشی)
برای بار دوم به بعد: (1399، خطیبی؛ مقربی و ابارشی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: موسسه غیرانتفاعی
تعداد مقالات: 780
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی