基于深度学习的餐饮业菜品销量预测研究

作     者：曹晗 

作者单位：西安理工大学 

学位级别：硕士

导师姓名：孙钦东

授予年度：2019年

学科分类：12[管理学] 120203[管理学-旅游管理] 1202[管理学-工商管理] 08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 

主      题：餐饮业 时间序列分析 菜品销量预测 深度学习 长短期记忆网络 

摘      要：随着我国经济实力的大幅提升,人民生活水平的改善促使人们对物质生活有了更高的追求。其次,科技元素的注入推动了餐饮行业智能化转型。餐饮企业门店数量的增加以及较高的闭店率使得餐饮行业的竞争日趋激烈,企业发展应结合当前及未来行业发展趋势另辟蹊径,寻找出适用于现阶段餐饮业的经营模式。此外,对餐饮企业而言,菜品采购与企业利润息息相关。因此,建立高精度的菜品销量预测模型对企业良好发展有着重要的意义。为提高菜品销量预测准确率,本文对某知名餐饮企业时长两年零七个月的菜品销量数据进行了分析,发现了菜品销量在普通工作日和节假日期间的不同特征,普通工作日菜品销量服从以星期为单位的正弦分布,而节假日期间菜品销量普遍较高。基于此,本文建立了基于深度学习的餐饮业菜品销量预测模型。该预测模型分为普通工作日销量预测模型O-Model和节假日销量预测模型H-Model。使用了两年的数据进行了模型训练和调参,最后长达7个月的销量数据用于销量预测模型的评估,以验证该方法的有效性。实验结果表明,与传统的时间序列模型自回归滑动平均模型(ARMA)和机器学习算法Xgboost相比,使用深度学习进行菜品销量的预测有更强的适用性,并且能得到更加精确的预测结果。该预测模型所需硬件成本不高,实时性能也无需担忧。因此,能够有效应用于餐饮业菜品销量预测中。最后,本文设计并实现了餐饮业销量预测系统,便于查看菜品销量预测和历史销售情况,能够为企业采购菜品、制定决策提供科学依据,从而增强了餐饮企业竞争力,促进了企业的可持续发展。