發(fā)布時(shí)間：2024-06-11 03:57

　　菜品銷量預(yù)測(cè)是餐飲企業(yè)精細(xì)化運(yùn)營(yíng)過程中至關(guān)重要的一個(gè)環(huán)節(jié)。準(zhǔn)確預(yù)估菜品銷量對(duì)減少原材料浪費(fèi),控制企業(yè)采購(gòu)成本,增加企業(yè)經(jīng)營(yíng)利潤(rùn),提升企業(yè)市場(chǎng)競(jìng)爭(zhēng)力具有重要的意義。目前,絕大多數(shù)餐飲企業(yè)仍依靠個(gè)人經(jīng)驗(yàn)對(duì)菜品銷量進(jìn)行定性預(yù)測(cè),具有很強(qiáng)的主觀性和不確定性。本文基于某餐飲企業(yè)在線點(diǎn)餐系統(tǒng)后臺(tái)數(shù)據(jù)庫(kù)中的真實(shí)交易數(shù)據(jù)進(jìn)行菜品日銷量的預(yù)測(cè)研究,提出了一種基于ARIMA時(shí)間序列模型和BP神經(jīng)網(wǎng)絡(luò)模型的ARIMA-BP組合預(yù)測(cè)模型。本文的主要研究?jī)?nèi)容如下:(1)基于本文的預(yù)測(cè)目標(biāo),對(duì)菜品銷量數(shù)據(jù)進(jìn)行了采集和分析,發(fā)現(xiàn)其所呈現(xiàn)的規(guī)律比較復(fù)雜,既包含線性成分,表現(xiàn)出一定的趨勢(shì)性和循環(huán)波動(dòng)性規(guī)律,同時(shí),又由于受到氣象、節(jié)假日、優(yōu)惠活動(dòng)等外界因素的影響,表現(xiàn)出明顯的非線性特征。(2)使用所采集的菜品銷量數(shù)據(jù),分別構(gòu)建ARIMA時(shí)間序列預(yù)測(cè)模型和BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行菜品銷量的短期預(yù)測(cè)。結(jié)果顯示,這兩種模型均具有較好的預(yù)測(cè)效果。但ARIMA時(shí)間序列模型只能擬合數(shù)據(jù)的線性特征,對(duì)數(shù)據(jù)新的趨勢(shì)變化表現(xiàn)的不夠靈敏;BP神經(jīng)網(wǎng)絡(luò)模型能較好的捕捉數(shù)據(jù)的非線性特征和變化趨勢(shì),但在某些時(shí)間點(diǎn),仍存在一些偏差。(3)為了進(jìn)一步...

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 選題背景與研究意義
        1.1.1 選題背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 研究?jī)?nèi)容與組織結(jié)構(gòu)
2 相關(guān)理論與方法介紹
    2.1 預(yù)測(cè)理論與方法
        2.1.1 定性預(yù)測(cè)方法
        2.1.2 定量預(yù)測(cè)方法
    2.2 時(shí)間序列模型
        2.2.1 時(shí)間序列相關(guān)概念
        2.2.2 時(shí)間序列基本模型
        2.2.3 時(shí)間序列模型構(gòu)建步驟
    2.3 神經(jīng)網(wǎng)絡(luò)模型
        2.3.1 神經(jīng)網(wǎng)絡(luò)相關(guān)概念
        2.3.2 BP神經(jīng)網(wǎng)絡(luò)模型
        2.3.3 BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建步驟
    2.4 本章小結(jié)
3 組合預(yù)測(cè)模型構(gòu)建
    3.1 組合預(yù)測(cè)模型建模思想
    3.2 基于ARIMA和 BP神經(jīng)網(wǎng)絡(luò)的組合預(yù)測(cè)模型構(gòu)建
    3.3 組合預(yù)測(cè)模型權(quán)重判定
    3.4 組合預(yù)測(cè)模型評(píng)價(jià)指標(biāo)
    3.5 組合預(yù)測(cè)模型優(yōu)性論證
    3.6 本章小結(jié)
4 ARIMA-BP組合預(yù)測(cè)模型實(shí)證研究
    4.1 數(shù)據(jù)介紹與預(yù)處理
        4.1.1 數(shù)據(jù)介紹
        4.1.2 數(shù)據(jù)預(yù)處理
    4.2 ARIMA時(shí)間序列模型的構(gòu)建與預(yù)測(cè)
        4.2.1 序列平穩(wěn)性檢測(cè)
        4.2.2 序列平穩(wěn)化處理及純隨機(jī)性檢驗(yàn)
        4.2.3 模型識(shí)別與檢驗(yàn)
        4.2.4 預(yù)測(cè)結(jié)果
    4.3 BP神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建與預(yù)測(cè)
        4.3.1 影響因素的分析與選取
        4.3.2 BP神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建
        4.3.3 預(yù)測(cè)結(jié)果
    4.4 ARIMA-BP組合預(yù)測(cè)模型的構(gòu)建與預(yù)測(cè)
        4.4.1 組合預(yù)測(cè)模型的構(gòu)建
        4.4.2 預(yù)測(cè)結(jié)果
    4.5 不同模型預(yù)測(cè)結(jié)果對(duì)比分析
    4.6 本章小結(jié)
5 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 未來展望
致謝
參考文獻(xiàn)
附錄



本文編號(hào)：3992373