امروزه دستگاه های خودپرداز یکی از ضروری ترین سخت افزارهای سامانه های بانکی هستند که مسائل مربوط به خود رادارند. در این میان بهینه سازی مدیریت نقدینگی می تواند بانک ها را در مدیریت سیستم به صورت دینامیک کمک کند. سوال اصلی در این بهینه سازی، پیش بینی میزان تقاضای نقدینگی از خودپرداز در دوره های زمانی مشخص (مثلاً روزانه یا هفتگی یا ماهانه) است. ازآنجایی که ساختار این سیگنال غیرخطی است و با عوامل زیادی ازجمله: روز هفته، روز ماه، تعطیلات و حتی محل قرارگیری خودپرداز در ارتباط است، معمولاً روش های عادی شناسایی پارامترهای سیگنال جوابگویی خوبی ندارند و بایستی از روش های محاسبات نرم مانند منطق فازی و شبکه های عصبی استفاده کرد که در این تحقیق شبکه های فازی عصبی- تطبیق پذیر به کاربرده شده است؛ و نهایتاً با یافتن میزان خطای نتایج، نشان داده شده است که این روش می تواند در عمل و به صورت کاربردی، جوابگویی داشته باشد.