餐饮业菜品销售量预测研究

发布时间：2017-04-28 08:08

  本文关键词：餐饮业菜品销售量预测研究，由笔耕文化传播整理发布。

【摘要】：随着现代信息技术的发展以及科学家们对数学模型的不断优化,信息化管理被逐渐应用到餐饮行业中,传统的餐饮行业管理模式正在逐渐地向信息化、自动化管理模式发展。餐饮行业中多年的数据积累没有得到充分的利用,造成了数据浪费,同时也给现在的研究提供了数据来源。虽然餐饮行业的现代化管理已经日趋成熟,但也由于大量的菜品积压,导致菜品腐烂浪费,从而降低利润,或者菜品供应不足,无法满足消费者需求,从而导致营业额下降,顾客满意度下降。因此,对餐厅的日常菜品的销量进行较为精准的预测将会解决上述问题,从而增加餐厅竞争力。笔者通过对国内的餐饮业使用的自动化管理系统进行研究发现,目前的餐饮业相关的管理系统只有简单的进销存管理,而未涉及到菜品的销量预测,无法根据现有的信息资源预测菜品的销售量。由于菜品销售量变化趋势是不确定的复杂模型,建立与其相关的预测模型很不容易,目前建立的预测模型大部分应用到一些比较长期的观测活动,即使用到短期的预测活动上,各个具体的模型建立都有很大的差别。笔者受到其他行业相关预测模型的启发,分别通过对影响因素的划分与分类,预测模型的建立与算法的优化来检验模型可行性以及提高预测精度。神经网络因具有良好的非线性拟合能力,已经广泛应用于各个领域。多而全面的预测训练数据是神经网络的预测基础。在餐饮行业中,通过从前的销售记录和相关的数据来获得大量的有效的数据资源。但是,因为影响因素多而复杂,并且这些因素之间还有一定的联系,所以对于一些不满足多而全面的数据资料,就不能用神经网络进行预测。现今在其他行业比较受欢迎的预测算法是BP神经网络,而相对于BP神经网络,极限学习机在运行速度上有很大优势,而且误差相对更小。目前,研究数据不足的问题,比较好的方法是灰色系统。以往餐饮菜品销量研究分类粗糙老化,预测准度不够,预测方法单一,最好的预测误差也在±20%,达不到企业的预期效果,本文的基础是实验预测数据,以预测数据之间的关系为主要研究线索,通过对从前的实验数据的更详细的处理,研究每一种因素的因素水平高低和影响效果,通过BP神经网络、极限学习机以及灰色系统对餐饮业菜品销售量进行预测研究,目的是为了完成餐饮企业各样菜品短期销量预测。本文通过对菜品销量的各种预测模型进行建立与对比,旨在建立一种适合餐饮行业菜品预测的精度较高的预测模型,实现餐饮企业各样菜品短期销量预测,并最大限度减小预测误差,从而真正应用并实施到餐饮行业中,减少库存量,节约经营成本,从而增加企业的竞争力。
【关键词】：餐饮业 销售量预测 BP神经网络 极限学习机 灰色系统
【学位授予单位】：东北师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F719.3;TP183;N941.5
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-13
• 1.1 选题背景和研究意义9-10
• 1.2 国内外研究现状10-11
• 1.3 主要研究内容11-13
• 第2章 菜品销售量关键问题分析13-17
• 2.1 长期影响因素13-15
• 2.2 短期影响因素15-16
• 本章小结16-17
• 第3章 相关理论17-25
• 3.1 BP神经网络17-19
• 3.2 粒子群优化算法及PSO-BP算法流程19-20
• 3.2.1 基本粒子群优化算法（PSO）19-20
• 3.2.2 粒子群优化算法优化BP神经网络流程20
• 3.3 灰色系统20-21
• 3.4 马尔科夫链预测模型21
• 3.5 极限学习机21-24
• 3.5.1 ELM算法21-23
• 3.5.2 KELM算法23
• 3.5.3 PSO-KELM模型的建立23-24
• 本章小结24-25
• 第4章 实验数据分析25-31
• 4.1 因素水平选择25
• 4.2 实验数据选择25-26
• 4.3 数据分析26-31
• 第5章 实验分析31-38
• 5.1 PSO-BP预测模型与PSO-KELM预测模型31-35
• 5.1.1 PSO-BP预测模型31-33
• 5.1.2 粒子群优化核极限学习机预测模型（PSO KELM）33-34
• 5.1.3 预测结果对比34-35
• 5.2 灰色马尔科夫预测模型35-37
• 本章小结37-38
• 总结和展望38-39
• 总结38
• 展望38-39
• 参考文献39-41
• 致谢41

【相似文献】

中国期刊全文数据库 前10条

1 赵国清;;一种销售量预测法[J];预测;1986年06期

2 范宏,汤兵勇;基于人工神经网络的销售量预测方法初探[J];中国纺织大学学报;1997年05期

3 魏宏业,王建华,何崴;销售量预测的支持向量机建模及参数选择研究[J];系统仿真学报;2005年01期

4 廖细生;;基于混沌理论和神经网络的销售量预测[J];商场现代化;2010年05期

5 陈秋玲;陈忠;;最小二乘法在汽车销售量预测中的应用[J];合作经济与科技;2012年10期

6 王丰效;销售量预测模型及其应用[J];天水师范学院学报;2002年05期

7 陈晓溪;;太阳能热水器销售量预测模型的确定[J];预测;1985年Z1期

8 靳永宽;左月明;赵秀全;赵长顺;王便民;李宝生;;5TS—70型脱粒机销售量预测研究[J];山西农业大学学报;1992年04期

9 董景荣;销售量预测的人工神经网络方法[J];重庆师范学院学报(自然科学版);1997年03期

10 张凡;;基于灰色预测的我国装载机销售量预测[J];物流工程与管理;2012年03期

中国硕士学位论文全文数据库 前3条

1 柴军;餐饮业菜品销售量预测研究[D];东北师范大学;2016年

2 胡伟;我国汽车销售量预测研究[D];河海大学;2007年

3 张凯铭;基于ANFIS的区域汽车市场销售量预测研究[D];吉林大学;2011年

  本文关键词：餐饮业菜品销售量预测研究，，由笔耕文化传播整理发布。

本文编号：332436