چكيده :
درآمدهاي مالياتي يكي از مهمترين منابع درآمدي دولت و تأمينكننده بخش عمدهاي از هزينه‌هاي دولت است. در سالهاي اخير تقلب در صورتهاي مالي و اظهارنامه‌هاي مالياتي بهطور فزاينده‌اي به يك مشكل جدي براي كسب‌وكار، دولت و سرمايهگذاران تبديل شده است. اكثر مؤديان مالياتي به دنبال راهي براي دست‌كاري در صورتهاي مالي و كاهش سود مشمول ماليات ابرازي خود مي‌باشند. ازاين‌رو، شناسايي متقلبين مالياتي و شركتهايي كه به تقلب در صورتهاي مالي مي‌پردازند به امري حياتي براي دولت تبديل شده است. استفاده از روشهاي دادهكاوي يكي از روشهاي كارآمد در اين خصوص است. لذا دادهكاوي يك رشته نسبتاً جديد علمي ميباشد كه براي استخراج اطلاعات مفيد از ميان حجم زيادي از داده‌هاي ثبت شده مورد استفاده قرار مي-گيرد. روشهاي دادهكاوي در حوزه مسائل مالي بستر مناسبي را براي به دست آمدن اطلاعات مفيد براي پيشبيني نرخ جرم و پيشگيري از وقوع آن به عمل آورده است. حال هدف اصلي اين پژوهش ارائه يك روش تركيبي هوشمند براي پيشبيني مؤديان ريسكدار مالياتي در داده-كاوي ميباشد كه براي اين منظور از تركيب دو تكنيك شبكه عصبي مصنوعي و الگوريتم گرگ خاكستري بهبوديافته استفاده شده است. نتايج نشان داد كه با استفاده از الگوريتم گرگ خاكستري با زمان كمتر و خروجي مطلوبتر به هدف مدنظر كه افزايش دقت بود دست يافتيم.
