مدل ترکیبی شبکه عصبی با الگوی ARIMA جهت پیش بینی مالیات بر ارزش افزوده بر مصرف بنزین در ایران

یکی از مسائل مهم هنگام بودجه ریزی، دسترسی به درآمدهای قابل تحقق است که این موضوع مستلزم پیش بینی های دقیق از انواع درآمدها در آینده می باشد. یکی از منابع درآمدی پر اهمیت دولت مالیات بوده که در این مقاله، پیش بینی مالیات بر ارزش افزوده ناشی از مصرف بنزین مدنظر قرار گرفته است. هدف اصلی، دستیابی به روشی کارا جهت پیش بینی مصرف بنزین و مالیات بر ارزش افزوده ناشی از آن در ایران می باشد. در این مقاله، برای پیش بینی مصرف بنزین، از یک الگوی ترکیبی روش شبکه عصبی چندلایه (MLP) با الگوی خودتوضیح میانگین متحرک انباشته (ARIMA) استفاده شده است. سپس با تایید عملکرد مناسب این روش در مقایسه با روش ARIMA، از طریق اعمال نرخ های مالیات بر مصرف پیش بینی شده بنزین، مالیات بر ارزش افزوده ناشی از مصرف بنزین در کشور به دست آمده است. نتایج نشان می دهد که طی سال های 1392 الی 1395، مالیات بر ارزش افزوده از این محل، به طور متوسط در حدود 6/31 درصد رشد خواهد داشت.