بررسی و مقایسه قابلیت الگوریتم های منتخب یادگیری ماشین و یادگیری عمیق در پیش بینی درآمدها و هزینه های شهرداری

پیش بینی درآمدها و هزینه ها یکی از چالش های مهم در مدیریت مالی و بودجه ریزی شهرداری ها به شمار می رود. پیچیدگی روابط میان متغیرهای اقتصادی و مالی، وجود روندهای زمانی و نوسانات درآمدی و هزینه ای، ضرورت استفاده از روش های نوین تحلیل داده و پیش بینی را افزایش داده است.پژوهش حاضر با هدف بررسی و مقایسه قابلیت الگوریتم های منتخب یادگیری ماشین و یادگیری عمیق در پیش بینی درآمدها و هزینه های شهرداری و ارائه چارچوبی برای ارزیابی نظام مند این الگوریتم ها انجام شده است.در چارچوب پیشنهادی، الگوریتم های Random Forest، XGBoost، LightGBM و Support Vector Regression از گروه یادگیری ماشین و الگوریتم های Long Short-Term Memory و Gated Recurrent Unit از گروه یادگیری عمیق مورد توجه قرار گرفته اند.عملکرد مدل ها در چارچوب یک فرآیند استاندارد شامل آماده سازی داده ها، آموزش مدل، ارزیابی در داده های آزمون و مقایسه عملکرد الگوریتم ها بررسی خواهد شد.برای ارزیابی دقت پیش بینی، معیارهایی همچون میانگین قدرمطلق خطا (MAE)، ریشه میانگین مربعات خطا (RMSE)، میانگین درصد قدرمطلق خطا (MAPE) و در صورت فراهم بودن شرایط، ضریب تعیین (R²) در نظر گرفته شده است .با توجه به نبود داده های واقعی مالی یک شهرداری در مرحله حاضر، پژوهش از ارائه نتایج عددی و تعیین پیشینی الگوریتم برتر خودداری می کند و بر طراحی یک چارچوب روش شناختی قابل اجرا برای مقایسه تجربی مدل ها تمرکز دارد .چارچوب ارائه شده می تواند مبنایی برای مطالعات تجربی آینده قرار گیرد و زمینه استفاده هدفمندتر از روش های هوش مصنوعی در پیش بینی منابع و مصارف، بودجه ریزی، تخصیص منابع و تصمیم گیری مالی شهرداری ها را فراهم سازد.

کلیدواژه ها:

یادگیری ماشین ، یادگیری عمیق ، هوش مصنوعی ، پیش بینی مالی ، درآمد و هزینه شهرداری ، مدیریت مالی شهری.