基于ga-svr的atm现金需求量预测

《基于ga-svr的atm现金需求量预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、暨南大学硕士学位论文题名（中英对照）：基于GA-SVR的ATM现金需求量预测ATMcashdemandforecastBasedonGA-SVRAlgorithm作者姓名：刘艳杰指导教师姓名及学位、职称：杨天奇博士教授学科、专业名称：计算机技术学位类型：专业学位论文提交日期：论文答辩日期：答辩委员会主席：论文评阅人：学位授予单位和日期：暨南大学年月日暨南大学硕士学位论文基于GA-SVR的ATM现金需求量预测独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰

2、写过的研究成果，也不包含为获得暨南大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解暨南大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权暨南大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本授权书）学位论文作者签名：导师签名：签字日期：年月日签字

3、日期：年月日学位论文作者毕业后去向：工作单位：电话：通讯地址：邮编：II暨南大学硕士学位论文基于GA-SVR的ATM现金需求量预测摘要ATM机的现金需求量管理是各家银行必须面临的问题。其目标是在ATM机中投放最少量的现金来满足用户不确定的需求。有效精确的ATM现金量预测对于银行具有非凡意义，然而对这一问题的研究甚少。因此，本文尝试用遗传算法改进支持向量回归机（GA-SVR）方法预测ATM现金需求量，提高预测的精度。首先，本文针对国内外的研究现状，分别按照四种预测方法（历史经验法、回归分析法、时间序列法和人工智能方法）进行总结。其中人工智能中的BP神经网络

4、和支持向量回归机（SVR）得到越来越多专家和学者的关注。其次，本论文使用时间序列分析法构建ARIMA模型进行情景分析，并使用Eviews8.0进行仿真实验；支持向量机是建立在统计学习理论函数集的VC维理论和结构风险最小化原理基础上的一种新型有效的回归方法，通过在有限样本信息模型的复杂性和学习能力之间寻求最佳折中的方案，来获得足够好的推广能力。因此，本文的研究主要是基于支持向量回归机算法，应用LibSVM软件包预测ATM现金需求量。由于SVR参数的选择无通用的方法，本文使用网格搜索法进行参数寻优，建立SVR模型，其预测精度为71.38%；利用遗传算法的全局

5、寻优技术改进支持向量回归算法，建构适合ATM机现金量预测的GA-SVR模型，其预测精度约为90.91%。与网格搜索法确定支持向量回归机相比，改进的支持向量回归机具有更优的预测性能。最后，总结全文，提出研究的不足之处，展望今后的研究方向。关键词：ATM现金需求量；预测；ARIMA；SVM；遗传算法；GA-SVRIII暨南大学硕士学位论文基于GA-SVR的ATM现金需求量预测AbstractATMcashmanagementbecometheproblemthatBanksarefacedwith.Thepurposeistolaunchtheleastam

6、ountofcashintheATMmachinetomeettheuncertaindemandofusers.EffectiveATMcashforecastisofgreatsignificancefortheBanks.Forthisquestion,however,fewstudieshave.therefore,thispapertriestousegeneticalgorithmtoimprovesupportvectorregressionmethodtopredicttheATMcashrequirements,improvetheac

7、curacyofprediction.Firstofall,thispaperreviewedtheexistingmethodsofcashmanagementanddividesthemintofourcategories:regressionanalysis,timeseriesmethodandartificialintelligencemethod.ParticularlyANNandSVMinartificialintelligencearegetmoreattentionamongexpertsandscholars.Secondly,th

8、isthesisconstructsARIMAmodelusingtimeser