التنقيب عن البيانات باعتماد طريقتي الشبكة العصبية الاصطناعية والشبكة العصبية الالتفافية في التنبؤ بالإيرادات الضريبية / بحث تطبيقي في الهيئة العامة للضرائب

الملخص

هدف هذا البحث إلى استعمال تقنيتي الشبكات العصبية الاصطناعية (ANN) والشبكات العصبية الالتفافية (CNN) في التنبؤ بالإيرادات الضريبية، التي تمثل من أهم الموارد المالية التي تعتمد عليها الدولة في تمويل نفقاتها العامة ودعم سياساتها الاقتصادية. وقد اعتمد البحث المنهج الوصفي التحليلي والمنهج الكمي في تحليل بيانات السلاسل الزمنية للإيرادات الضريبية الصادرة عن الهيئة العامة للضرائب في بغداد للمدة (2003–2025) ، مع إجراء تنبؤات مستقبلية للسنوات (2026–2030). وتم تطبيق نماذج التنبؤ باستخدام برنامج MatLap-2023))، مع تقييم كفاءتها بالاعتماد على مجموعة من مؤشرات الدقة الإحصائية التي شملت متوسط مربعات الخطأ (MSE)، ومتوسط الخطأ المطلق (MAE)، ومتوسط نسبة الخطأ المطلق (MAPE)، فضلًا عن معامل الارتباط. وأظهرت نتائج التحليل تفوق نموذج الشبكات العصبية الاصطناعية (ANN) على نموذج الشبكات العصبية الالتفافية (CNN) من حيث دقة التنبؤ، إذ حققت قيمًا أقل لمؤشرات الخطأ، إلى جانب ارتفاع معامل الارتباط بين القيم الفعلية والمتنبأ بها. كما بيّنت نتائج التنبؤ للفترة المستقبلية وجود استقرار نسبي في مسار الإيرادات الضريبية، مع اختلاف القيم المتوقعة بين النموذجين. وخلص البحث إلى أن توظيف تقنية التنقيب عن البيانات، ولاسيما الشبكات العصبية الاصطناعية، يُعد أداة فعّالة لتحسين دقة التنبؤ بالإيرادات الضريبية، بما يسهم في دعم صانعي القرار المالي وتعزيز كفاءة التخطيط المالي وإعداد الموازنة العامة.