---

در این پژوهش با استفاده از روش پویایی‌شناسی سیستمی، تاثیر تغییرات شدت انرژی در بخش صنعت بر شاخص‌های زیست‌محیطی و اقتصادی در افق چشم انداز سال1404 بررسی شده است. به این منظور، ابتدا با توجه به رفتار متغیرهای کلیدی و با استفاده از داده‌های سال های 88-1379، الگوی سیستمی مورد نظر مدلسازی و شبیه‌سازی شده و سپس سیاستگذاری‌های لازم براساس نتایج حاصل، مورد ارزیابی قرار گرفته است. نتایج شبیه‌سازی نشان می‌دهد که شاخص شدت انرژی بخش صنعت در طول دوره مورد بررسی نه تنها بهبود نداشته، بلکه از 67/2 در سال 1379 به 704/2 در سال 1404 افزایش یافته است. بطوریکه این بخش به ازاء مصرف540 میلیون بشکه نفت‌خام در افق 1404، 490627 میلیارد ریال ارزش افزوده ایجاد خواهد کرد. با توجه به این وضعیت، میزان تولید آلاینده‌های زیست‌محیطی این بخش از 59 میلیون تن به 267 میلیون‌تن در افق مورد نظر افزایش خواهد یافت و هزینه‌های اجتماعی تولید این آلاینده‌ها برابر با 67449 میلیارد ریال خواهد بود. این موضوع نشان می‌دهد که: الف- با توجه به محدودیت تولید و افزایش هزینه‌های تامین انرژی در دوره‌های آینده، جهت‌گیری سیاستی صنایع کشور باید به سمت افزایش کارآیی مصرف انرژی از طریق بهبود تکنولوژی سوق داده شود؛ ب- به دلیل افزایش هزینه-های زیست‌محیطی در مقایسه با ارزش‌افزوده، ادامه فعالیت صنایع انرژی بر در وضعیت فعلی منطقی نیست و تداوم این شرایط اثرات مخرب زیادی بر محیط‌زیست و جامعه خواهد گذاشت که هزینه‌های آن در آینده غیرقابل جبران خواهد بود

---

یکی از مباحث مطرح در اقتصاد، وجود نابرابری‌های اقتصادی و اجتماعی در جامعه است. تحرک درآمدی معیاری‌ است که میزان برابری و نابرابری فرصت‌ها را در یک جامعه اندازه می‌گیرد. این معیار به موقعیت اجتماعی و اقتصادی افراد وابسته است. تفاوت در شرایط اجتماعی و اقتصادی افراد می‌تواند باعث به وجود آمدن نابرابری فرصت‌ها ‌شود. بروز چنین نابرابری‌هایی به شکل‌گیری فقر منتهی می‌شود، که اگر به نحو مناسبی با آن برخورد نشود، می‌تواند بازتولید و از نسلی به نسل دیگر منتقل شود. تحرک درآمدی به دو صورت تحرک شرطی و مطلق اندازه‌گیری می‌شود. در تحرک شرطی، اثرات ثابت در نظر گرفته می‌شود، اما درتحرک مطلق این‌گونه نیست. اثرات ثابت پارامتری است که ناهمگنی را در بین افراد نشان می‌دهد.

با توجه به اهمیت مسئلۀ فقر و ارتباط آن با نابرابری، مطالعۀ حاضر به اندازه‌گیری تحرک شرطی در اقتصاد ایران می‌پردازد. به این منظور از داده‌های پیمایش درآمد_هزینه خانوارهای شهری کل کشور طی دورۀ زمانی 1390-1369 استفاده شده است. در این مقاله از رویکرد شبه‌ترکیبی پویای غیرخطی استفاده شده است. و پویایی‌های غیرخطی در جامعۀ شهری ایران بررسی شده است. ویژگی این روش ردیابی عملکرد هر نسل در طول زمان است.
     نتایج مطالعه نشان می‌دهد که در طی سال‌های فوق تحرک شرطی در کشور پایین بوده و نابرابری افزایش یافته است. خانوارها در صورت مواجه شدن با تکانه‌های منفی نمی‌توانند به سرعت وضعیت خود را بهبود بخشندو به متوسط درآمد اولیۀ خود برگردند. عملکرد بازار کار از کارایی لازم برخوردار نبوده است؛ به این معنا که بازارکار برای افرادی که توانمندی و ثروت بالاتری دارند، شرایط مناسب‌تری را فراهم می‌کند. این وضعیت باعث می‌شود نابرابری به سطح بالاتری گسترش یابد.

---

در این مقاله، پیش‌بینی درآمد حاصل از این منبع مالیاتی با استفاده از رویکرد مبتنی بر برآورد پایه مالیاتی مدنظر قرار گرفته است. بدین نحو که در مرحلۀ اول، پایۀ مالیات (مخارج مصرفی سیگار) برای دوره 1391 الی 1394 پیش بینی و سپس مالیات این سال‌ها با اعمال نرخ‌های مالیاتی، محاسبه خواهد شد. در این راستا از آنجا که یکی از دغدغه‌های سیاستگذاران دسترسی به پیش‌بینی‌های دقیق از درآمدهای مالیاتی است، از روش شبکه‌های عصبی با ناظر برای پیش‌بینی و برای آموزش شبکه‌ها از الگوریتم پس انتشار استفاده شده است. نتایج بیانگر آن است که درآمد مالیات بر ارزش افزوده ناشی از مصرف سیگار در سال‌های مورد پیش‌بینی، به‌طور متوسط از رشد سالانه 20 درصد برخوردار خواهد شد.

---

مصرف گاز طبیعی به عنوان یکی از مهم‌ترین حامل‌های انرژی، طی سالیان اخیر روند صعودی را داشته و مدیریت مصرف و برنامه‌ریزی جهت تأمین نیازهای آن، نیازمند شناخت وضعیت مصرف کنونی و پیش‌بینی روند آتی آن می‌باشد. با معرفی و کاربرد گسترده مدل‌های مختلف همچون شبکه‌های عصبی مصنوعی جهت برآورد روند آتی مصرف و از طرفی تصادفی بودن آن‌ها، آگاهی از دقت این مدل‌ها جهت نیل به هدف پیش‌بینی دقیق‌تر، اهمیت بیشتری یافته است. پژوهش حاضر سعی دارد با به‌کارگیری شبکه‌های عصبی مصنوعی به عنوان مدلی غیرخطی و مدل خطی ARIMA در پیش‌بینی مصرف ماهانه گاز طبیعی در بخش خانگی ایران به عنوان عمده‌ترین بخش مصرف‌کننده، به مقایسۀ دقیق‌تر این پیش‌بینی‌ها با استفاده از باز نمونه‌گیری از نمونه‌ها بپردازد. بدین منظور ابتدا آموزش شبکه با استفاده از الگوریتم‌های ژنتیک و ازدحام ذرات صورت گرفته و مقایسه آن‌ها با استفاده از روش «10-fold» حاکی از عملکرد بهتر الگوریتم ازدحام ذرات جهت آموزش شبکه بود. در ادامه شبکه عصبی با  استفاده از باز نمونه‌گیری با جایگذاری از ‌داده‌های اردیبهشت‌ماه 1381 تا اسفندماه 1388 به تعداد 2000 بار توسط الگوریتم ازدحام ذرات آموزش داده شد و مصرف ماهانه گاز طبیعی در بخش خانگی طی سال‌های‌ 1389 و 1390 توسط آن‌ها پیش‌بینی و فاصله اطمینان 95 درصدی برای پیش‌بینی‌ها محاسبه شد. نتایج بررسی معنی‌داری اختلاف پیش‌بینی مدل ترکیبی شبکه عصبی با مدل ARIMA  و همچنین مقادیر واقعی، بر اساس فاصله اطمینان به دست آمده حاکی از  عملکرد بهتر شبکه عصبی ترکیبی نسبت به مدل ARIMA در اغلب ماه‌ها بود.