fa مدلسازی غیرخطی و پیش بینی درآمدهای مالیاتی کشور به تفکیک منابع مالیاتی پژوهشي Research یکی از اجزای بسیار مهم بودجه دولت درآمدهای مالیاتی کشور می باشد. اطلاع از میزان درآمدهای مالیاتی قابل حصول در منابع مختلف مالیاتی، علاوه بر تخصیص بهینه منابع در جهت وصول آنها، دولت را در انجام برنامه ریزی های دقیق مالی کمک کرده و میزان مشارکت مردم را در تأمین مالی هزینه‌های عمومی دولت مشخص می کند. در این راستا در این مقاله، ابتدا ماهیت ساختاری سری زمانی درآمدهای مالیاتی شامل مالیاتهای کل، مستقیم، غیرمستقیم، مالیات بر شرکتها، درآمد، حقوق، مشاغل، مستغلات، ثروت، ارث و کالا و خدمات از جهت خطی، غیرخطی آشوبی و تصادفی بودن با استفاده از آزمون نمای لیاپانوف بررسی شده است. نتایج این آزمون وجود آشوب را در سری زمانی منابع مالیاتی مختلف نشان می دهد که از جهت شدت و ضعف متفاوت می باشند. لذا با استفاده از الگوسازی غیرخطی می‌توان برای دوره‌های زمانی کوتاه پیش بینی دقیقی را انجام داد. در مرحله بعد، با استفاده از ساختار موازی و ساختار پیشنهادی چندورودی- چندخروجی شبکه های عصبی مصنوعی برای سالهای 85-1342 آموزش یافته و برای سالهای 88-1386 بر اساس مدل پیشنهادی و مدل موازی، پیش بینی درآمدهای مالیاتی به تفکیک منابع انجام می شود. Taxes are one of the main components of the government budgetand as such, having a clear image of the attainable amount of taxes is not only necessary for optimal allocation of scare resources for tax collection purposes, but also helps the government to develop more precise tax collection plans. In this article, the structural features of tax revenues series have first been examined in terms of linearity, chaotic nonlinearity and stochasticity using Lyapunov Exponent. These series are: total taxes, direct taxes, indirect taxes, corporate taxes, income taxes, salary taxes, real estates taxes, business taxes, wealth taxes, inheritance taxes and goods & services taxes. The results endorse the existence of chaos in the series of different tax resources in different extents. Therefore, based on the results obtained, it was found that more accurate short-term forecasts are possible by applying nonlinear modeling methods. In the next step, using data of the period 1963- 2006, tax revenues of different resources were forecasted for the period 2007-2009 by applying both parallel and proposed multipleinput multiple-output structures of the ANN’s. مالیات، پیش بینی، آشوب، نمای لیاپانوف، شبکه عصبی مصنوعی، مدلهای موازی، مدل چندورودی- چندخروجی Tax, forecast, chaos, Lyapunov exponent, artificial neural networks, parallel models, multiple-input multiple-output model 27 56 http://taxjournal.ir/browse.php?a_code=A-10-1-131&slc_lang=fa&sid=1 Hamid Khaloozadeh حمید خالوزاده 1003194753284600640 1003194753284600640 Yes Associate Professor of Electrical Engineering at Khajeh Nasiroddin Toosi University دانشیار دانشگاه صنعتی خواجه نصیرالدین طوسی Saeideh Hamidi Alamdari سعیده حمیدی علمداری 1003194753284600641 1003194753284600641 No M.A. in Economics and a Tax Researcher at the Tax Research Department, INTA کارشناس ارشد علوم اقتصادی و پژوهشگر دفتر مطالعات و تحقیقات مالیاتی Ayat Zayer آیت زایر 1003194753284600642 1003194753284600642 No M.A. in Economic Systems Planning and a Tax Researcher at the Tax Research Department, INTA کارشناس ارشد برنامه ریزی سیستمهای اقتصادی و پژوهشگر دفتر مطالعات و تحقیقات مالیاتی