طراحی و پیاده سازی سامانه هوشمند کشف تقلب و پیش بینی جریان های مالی شهری با استفاده از الگوریتم های یادگیری عمیق بر بستر کلان داده

رشد سریع حجم داده های مالی در شهرداری ها و افزایش پیچیدگی فرآیندهای وصول، ثبت و تخصیص منابع، نیاز به سامانه های هوشمند برای پایش و تحلیل تراکنش های مالی شهری را بیش از پیش آشکار کرده است. در چنین بستری، اتکا به روش های سنتی کنترل و نظارت مالی، به دلیل محدودیت در سرعت پردازش، عدم توانایی در کشف الگوهای پنهان و دشواری تشخیص رفتارهای غیرعادی، پاسخ گوی نیازهای مدیریتی امروز نیست. ازاین رو، بهره گیری از فناوری های نوین مانند کلان داده و یادگیری عمیق می تواند زمینه ساز طراحی سامانه هایی شود که قادرند ضمن تحلیل حجم عظیمی از داده های مالی، تقلب، ناهنجاری و الگوهای غیرعادی را شناسایی کرده و جریان های مالی آینده را نیز پیش بینی کنند. پژوهش حاضر با هدف طراحی و پیاده سازی سامانه هوشمند کشف تقلب و پیش بینی جریان های مالی شهری با استفاده از الگوریتم های یادگیری عمیق بر بستر کلان داده انجام می شود. در این سامانه، داده های مرتبط با درآمدها، پرداخت ها، عوارض، بدهی ها، تراکنش های تکراری، الگوهای وصول و سایر شاخص های مالی از منابع مختلف گردآوری و در محیط کلان داده ذخیره و پردازش می شوند. سپس با به کارگیری مدل های یادگیری عمیق، رفتارهای مالی عادی و غیرعادی از یکدیگر تفکیک شده و احتمال وقوع تقلب یا نشت مالی مورد ارزیابی قرار می گیرد. افزون بر این، سامانه قادر خواهد بود جریان های آتی درآمد و هزینه را بر اساس داده های تاریخی و الگوهای زمانی پیش بینی کند. در این پژوهش، ابتدا ساختار داده ای و معماری سامانه معرفی شده و سپس مدل های مناسب برای کشف ناهنجاری و پیش بینی سری های زمانی مالی طراحی می شوند. نتایج مورد انتظار نشان می دهد که استفاده از این رویکرد می تواند موجب افزایش دقت نظارت مالی، کاهش خطاهای انسانی، تسریع در شناسایی رفتارهای مشکوک، بهبود برنامه ریزی بودجه ای و ارتقای شفافیت و کارایی در مدیریت مالی شهری شود. همچنین، سامانه پیشنهادی می تواند به عنوان ابزاری تصمیم یار برای مدیران شهری در جهت مدیریت هوشمند منابع و مصارف مالی مورد استفاده قرار گیرد.

کلیدواژه ها:

سامانه هوشمند ، کشف تقلب ، پیش بینی مالی ، شهرداری ، یادگیری عمیق ، کلان داده ، تحلیل داده های شهری ، ناهنجاری مالی