运用LSTM神经网络预测武汉市居民存款余额

摘要：

研究居民存款变化发展趋势,对指导银行业的经营和发展,为政府部门制定产业发展战略和宏观调控政策,促进国民经济持续健康发展等具有重要的意义.LSTM解决了RNN对长距离数据依赖的问题,对较长的历史信息具有记忆功能,并进行选择性利用,使学习训练时间缩短,且排除了样本中畸点数据的干扰,具有较高的预测精度.运用LSTM模型对武汉市居民存款余额进行了预测,模型的平均拟合误差仅为1.7635％,比BP神经网络的2.5890％减小了30.7262％,由模型得到了2019-2013年武汉市居民存款余额预测值.

关键词：武汉、居民存款、预测、LSTM、记忆、选择性

分类号：F832.1(金融、银行)

资助基金：湖北省自然科学基金项目2017CFB164

在线出版日期：2020-07-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：14-18