Детальная информация

Название: Моделирование денежного потока в банкомате типа cash-out: выпускная квалификационная работа бакалавра: направление 01.03.02 «Прикладная математика и информатика» ; образовательная программа 01.03.02_03 «Математическое и информационное обеспечение экономической деятельности»
Авторы: Жукова Анастасия Сергеевна
Научный руководитель: Родионова Елена Александровна
Другие авторы: Арефьева Людмила Анатольевна
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт прикладной математики и механики
Выходные сведения: Санкт-Петербург, 2020
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: временные ряды; SARIMA; нейронные сети; LSTM; снятие наличных в банкомате; прогнозирование; модель управления запасами; time series; neural networks; atm cash withdrawal; forecasting; inventory management model
Тип документа: Выпускная квалификационная работа бакалавра
Тип файла: PDF
Язык: Русский
Уровень высшего образования: Бакалавриат
Код специальности ФГОС: 01.03.02
Группа специальностей ФГОС: 010000 - Математика и механика
Ссылки: Отзыв руководителя; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2020/vr/vr20-1443
Права доступа: Доступ по паролю из сети Интернет (чтение)
Ключ записи: ru\spstu\vkr\8287

Разрешенные действия:

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

Данная работа посвящена сравнению моделей прогнозирования спроса на снятие наличных денег в банкомате с функцией выдачи наличных для задачи обеспечения эффективной работы банкомата на основе теории управления запасами при недетерминированном спросе. Глава 1 содержит обзор литературы, определения основных используемых терминов, описание критериев анализа временного ряда, а также обзор моделей прогнозирования спроса, используемых в работе. В Главе 2 приведены результаты анализа временного ряда снятия наличных денежных средств на стационарность, наличие тренда, сезонности, а также описание построения моделей, используемых для прогнозирования спроса. Для прогнозирования спроса в RStudio была построена модель сезонного авторегрессионного интегрированного скользящего среднего (Seasonal ARIMA) и нейронная сеть с долгой краткосрочной памятью LSTM, для построения которой использовался язык Python. Для каждой построенной модели вычислены оценки, которые оценивают качество выполнения прогноза. В Главе Заключение представлены выводы по результатам выполненной работы.

This work is devoted to comparing the models for forecasting the demand for cash withdrawals at an ATM with the cash withdrawal function for the task of ensuring the efficient operation of an ATM based on the theory of inventory management in non-deterministic demand. Chapter 1 contains a review of the literature, definitions of the main used terms, a description of the criteria for analyzing the time series, and an overview of the demand forecasting models, which were used in the work. Chapter 2 presents the results of the analysis of the time series of cash withdrawals for stationarity, the presence of a trend, seasonality, as well as a description of the construction of models used to forecast demand. To forecast demand a model of seasonal autoregressive integrated moving average (Seasonal ARIMA) was built in the RStudio and a neural network with long-term short-term memory LSTM was built using Python. For each constructed model estimates, which evaluates the quality of the forecasts, were calculated. Chapter Conclusion presents conclusions on the results of the performed work.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать
Внешние организации №2 Все Прочитать
Внешние организации №1 Все
Интернет Авторизованные пользователи СПбПУ Прочитать
Интернет Авторизованные пользователи (не СПбПУ, №2) Прочитать
Интернет Авторизованные пользователи (не СПбПУ, №1)
-> Интернет Анонимные пользователи

Статистика использования

stat Количество обращений: 12
За последние 30 дней: 0
Подробная статистика