ارائه مدلی مبتنی بر شبکه عصبی مصنوعی و گرگ خاکستری بهبودیافته جهت بهبود پیشبینی مودیان ریسک‌دار مالیاتی

درآمدهای مالیاتی یکی از مهم ترین منابع درآمدی دولت و تامین کننده بخش عمده ای از هزینه‌های دولت است. در سال های اخیر تقلب در صورت های مالی و اظهارنامه‌های مالیاتی به طور فزاینده‌ای به یک مشکل جدی برای کسب‌وکار، دولت و سرمایه گذاران تبدیل شده است. اکثر مودیان مالیاتی به دنبال راهی برای دست‌کاری در صورت های مالی و کاهش سود مشمول مالیات ابرازی خود می‌باشند. ازاین‌رو، شناسایی متقلبین مالیاتی و شرکت هایی که به تقلب در صورت های مالی می‌پردازند به امری حیاتی برای دولت تبدیل شده است. حال هدف اصلی این پژوهش ارائه یک روش ترکیبی هوشمند برای پیش‌بینی مودیان ریسک دار مالیاتی در که برای این منظور از ترکیب دو تکنیک شبکه عصبی مصنوعی و الگوریتم گرگ خاکستری بهبودیافته استفاده شده است. نتایج نشان داد که با استفاده از الگوریتم گرگ خاکستری با زمان کم تر و خروجی مطلوب تر به هدف مدنظر که افزایش دقت بود دست یافتیم. هم چنین مزیت الگوریتم گرگ خاکستری نسبت به الگوریتم های دیگر نظیر ژنتیک این است که این الگوریتم بر روی کل یک ژن عمل می کند و تغییراتی را بر روی تک‌تک ژن ها انجام می دهد اما مثلاً ژنتیک بر روی کروموزوم عمل می کند. از معایب الگوریتم گرگ خاکستری می توان به این نکته اشاره نمود که از لحاظ تحلیل پیچیدگی زمانی نسبت به انتخاب ویژگی نسبت به الگوریتم‌های دیگر بهترین عملکرد را ندارد.