發(fā)布時間：2024-06-11 03:57

　　菜品銷量預測是餐飲企業(yè)精細化運營過程中至關重要的一個環(huán)節(jié)。準確預估菜品銷量對減少原材料浪費,控制企業(yè)采購成本,增加企業(yè)經營利潤,提升企業(yè)市場競爭力具有重要的意義。目前,絕大多數(shù)餐飲企業(yè)仍依靠個人經驗對菜品銷量進行定性預測,具有很強的主觀性和不確定性。本文基于某餐飲企業(yè)在線點餐系統(tǒng)后臺數(shù)據(jù)庫中的真實交易數(shù)據(jù)進行菜品日銷量的預測研究,提出了一種基于ARIMA時間序列模型和BP神經網絡模型的ARIMA-BP組合預測模型。本文的主要研究內容如下:(1)基于本文的預測目標,對菜品銷量數(shù)據(jù)進行了采集和分析,發(fā)現(xiàn)其所呈現(xiàn)的規(guī)律比較復雜,既包含線性成分,表現(xiàn)出一定的趨勢性和循環(huán)波動性規(guī)律,同時,又由于受到氣象、節(jié)假日、優(yōu)惠活動等外界因素的影響,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),分別構建ARIMA時間序列預測模型和BP神經網絡預測模型進行菜品銷量的短期預測。結果顯示,這兩種模型均具有較好的預測效果。但ARIMA時間序列模型只能擬合數(shù)據(jù)的線性特征,對數(shù)據(jù)新的趨勢變化表現(xiàn)的不夠靈敏;BP神經網絡模型能較好的捕捉數(shù)據(jù)的非線性特征和變化趨勢,但在某些時間點,仍存在一些偏差。(3)為了進一步...

【文章頁數(shù)】：64 頁

【學位級別】：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 國內外研究現(xiàn)狀
    1.3 研究內容與組織結構
2 相關理論與方法介紹
    2.1 預測理論與方法
        2.1.1 定性預測方法
        2.1.2 定量預測方法
    2.2 時間序列模型
        2.2.1 時間序列相關概念
        2.2.2 時間序列基本模型
        2.2.3 時間序列模型構建步驟
    2.3 神經網絡模型
        2.3.1 神經網絡相關概念
        2.3.2 BP神經網絡模型
        2.3.3 BP神經網絡模型構建步驟
    2.4 本章小結
3 組合預測模型構建
    3.1 組合預測模型建模思想
    3.2 基于ARIMA和 BP神經網絡的組合預測模型構建
    3.3 組合預測模型權重判定
    3.4 組合預測模型評價指標
    3.5 組合預測模型優(yōu)性論證
    3.6 本章小結
4 ARIMA-BP組合預測模型實證研究
    4.1 數(shù)據(jù)介紹與預處理
        4.1.1 數(shù)據(jù)介紹
        4.1.2 數(shù)據(jù)預處理
    4.2 ARIMA時間序列模型的構建與預測
        4.2.1 序列平穩(wěn)性檢測
        4.2.2 序列平穩(wěn)化處理及純隨機性檢驗
        4.2.3 模型識別與檢驗
        4.2.4 預測結果
    4.3 BP神經網絡模型的構建與預測
        4.3.1 影響因素的分析與選取
        4.3.2 BP神經網絡模型的構建
        4.3.3 預測結果
    4.4 ARIMA-BP組合預測模型的構建與預測
        4.4.1 組合預測模型的構建
        4.4.2 預測結果
    4.5 不同模型預測結果對比分析
    4.6 本章小結
5 總結與展望
    5.1 本文工作總結
    5.2 未來展望
致謝
參考文獻
附錄



本文編號：3992373