هوش مصنوعی و پیش بینی وصول درآمدهای شهری: مدلی برای کاهش کسری بودجه

کسری بودجه شهرداری ها ریشه در ناتوانی در پیش بینی دقیق جریان نقدینگی و وصول به موقع درآمدها دارد. روش های سنتی مبتنی بر میانگین گیری و نرخ رشد ثابت، پاسخگوی پیچیدگی و پویایی اقتصاد شهری نیستند. این مقاله مدلی مبتنی بر هوش مصنوعی را برای پیش بینی وصول درآمدهای شهری با رویکرد کاهش کسری بودجه معرفی می کند. مدل پیشنهادی با استفاده از شبکه های عصبی عمیق و ترکیب داده های تاریخی، مکانی و اقتصادی، الگوهای پنهان درآمدی را کشف می کند. خروجی این مدل شامل پیش بینی روزانه، هفتگی و ماهانه جریان درآمد با سطح اطمینان بالا است. همچنین سناریوهای مختلف کسری بودجه بر اساس متغیرهای کلان اقتصادی در مدل شبیه سازی می شوند. نتایج پیاده سازی نشان می دهد که این رویکرد می تواند خطای پیش بینی را تا ۳۴ درصد کاهش و کارایی وصول را به میزان قابل توجهی افزایش دهد.

کلیدواژه ها:

هوش مصنوعی ، پیش بینی وصول درآمد ، کسری بودجه شهری ، یادگیری عمیق ، مدیریت مالی شهرداری ، داده کاوی مکانی-زمانی ، شبیه سازی سناریو