کاربرد هوش مصنوعی در پیشبینی درآمدهای پایدار شهرداریهای ایران: رویکردی مبتنی بر یادگیری ماشین

شهرداریهای ایران بهعنوان نهادهای اصلی مدیریت شهری، با چالشهای جدی در حوزه پیشبینی و مدیریت درآمدهای پایدار مواجهاند. وابستگی بیش از حد به درآمدهای ناپایدار ناشی از فروش تراکم و صدور پروانههای ساختمانی، نوسانات اقتصادی، و تورم مزمن، برنامهریزی مالی بلندمدت را برای این نهادها دشوار ساخته است. این مﻘاله با هدف بررسی امکانپذیری و کارایی بهکارگیری الگوریتمهای یادگیری ماشین در پیشبینی درآمدهای شهرداریهای کلانشهرهای ایران تدوین شده است. روشهای مورد بررسی شامل رگرسیون خطی چندگانه، جنگل تصادفیForest) (Random ، شبکههای عصبی بازگشتی (LSTM)، و تﻘویت گرادیان (XGBoost) میباشند. یافتههای مطالعات تطبیﻘی نشان میدهد که مدلهای یادگیری ماشین در مﻘایسه با روشهای سنتی پیشبینی، دقت بالاتری در برآورد درآمدهای عوارض نوسازی، عوارض کسب و پیشه، و درآمدهای خدماتی دارند. همچنین، یکپارچهسازی دادههای اقتصاد کلان، شاخصهای بازار مسکن، و متغیرهای جمعیتی در مدلهای ترکیبی میتواند دقت پیشبینی را تا ۳۵ درصد بهبود بخشد. این مﻘاله چارچوبی عملیاتی برای پیادهسازی این سیستمها در بستر شهرداریهای ایران ارایه میدهد.

کلیدواژه ها:

یادگیری ماشین ، پیشبینی درآمد شهرداری ، هوش مصنوعی ، مالیه شهری ، LSTM ، XGBoost ، درآمدهای پایدار