other پیش‌بینی فرار مالیاتی مؤدیان حقوقی با تاکید بر مولفه‌های اقتصادی، مؤدیان و حسابرسان مالیاتی؛ با تکیه بر هوش مصنوعی مدیریتی Management پژوهشي Research <span style="font-size:11pt"><span style="line-height:normal"><span style="direction:rtl"><span style="unicode-bidi:embed"><span style="font-family:Calibri,sans-serif"><span lang="FA" style="font-size:13.0pt"><span b="" mitra="" style="font-family:">دولت&shy;ها برای انجام وظایف عمومی خود نیاز به منابع مالی باثبات و مطمئن دارند و از دیرباز مالیات، یکی از مهمترین منابع تأمین مالی دولت&rlm;ها برای انجام وظایف&rlm;شان بوده است. جلوگیری یا کاهش میزان فرار مالیاتی طی سالیان اخیر از دغدغه&rlm;های مهم دولت&rlm;ها در عرصه اقتصادی بوده است. در این پژوهش مقوله فرار مالیاتی با استفاده از هوش مصنوعی و با تمرکز بر مجموعه&rlm;ای متشکل از 57 شاخص&rlm; مالی و غیرمالی در سطح کلان اقتصادی، مؤدیان و حسابرسان مالیاتی، در نمونه&rlm;ای شامل 978 پرونده مؤدیان حقوقی اداره کل امور مالیاتی مازندران برای سال&rlm;های 1391 تا 1398 مورد بررسی قرار گرفته است. در این پژوهش به منظور استخراج ویژگی&rlm;های تاثیرگذار، از الگوریتم&rlm;های بهینه&shy;سازی سینوس کسینوس و گرگ خاکستری و جهت مدلسازی فرار مالیاتی و آزمون ویژگی&rlm;ها، از الگوریتم&rlm;های درخت تصمیم و شبکه عصبی مصنوعی استفاده شده است. براساس نتایج حاصله، الگوریتم بهینه&shy;سازی سینوس کسینوس به همراه پیش&shy;بینی&rlm;کننده درخت تصمیم، مقدار خطای کمتری را نسبت به سایر مدل&rlm;ها دارا بوده و مدلی دقیق&rlm;تر جهت پیش&rlm;بینی فرار مالیاتی ارائه می&rlm;دهد.</span></span></span></span></span></span></span><br> &nbsp; <span style="font-size:11pt"><span style="line-height:107%"><span style="font-family:Calibri,sans-serif"><span style="font-size:13.0pt"><span style="line-height:107%"><span new="" roman="" style="font-family:" times="">Governments need stable and reliable financial resources to carry out their public duties, and taxes have long been one of the most important sources of funding for governments to carry out their duties. Preventing or reducing the amount of tax evasion has been one of the important concerns of governments in the economic field in recent years. In this research, the category of tax evasion using artificial intelligence and focusing on a set of 57 financial and non-financial indicators at the macro-economic level, taxpayers and tax auditors, in a sample including 978 legal taxpayers&#39; files of the General Directorate of Tax Affairs of Mazandaran. It has been examined for the years 2011 to 2018. In this research, in order to extract effective features, sine cosine and gray wolf optimization algorithms were used, and decision tree and artificial neural network algorithms were used to model tax evasion and test features. Based on the results, the sine-cosine optimization algorithm along with the decision tree predictor has a lower error value than other models and provides a more accurate model for predicting tax evasion.</span></span></span></span></span></span><br> &nbsp; فرار مالیاتی, شاخص اقتصادی, مؤدی, حسابرس مالیاتی, الگوریتم فراابتکاری Tax Evasion, Deterministic Tax, Express Tax, Gray Wolf Algorithm, Decision Tree 131 164 http://taxjournal.ir/browse.php?a_code=A-10-2384-1&slc_lang=other&sid=1 Mohsen Moghri Gardroudbari محسن مقری گردرودباری Mohsen_moghri1366@yahoo.com 10031947532846009896 10031947532846009896 No Iman Dadashi ایمان داداشی I.dadashi@qom.ac.ir 10031947532846009897 10031947532846009897 Yes Bahram i Mohseni Malek بهرام محسنی ملکی b.mohsenim@umz.ac.ir 10031947532846009898 10031947532846009898 No Ali Zabihi علی ذبیحی azabihi.95@yahoo.com 10031947532846009899 10031947532846009899 No