基于多变量神经网络模型的菜品销量预测

摘要：

随着互联网技术的发展,人们进入了数字化和智能化的"互联网共享"时代.餐饮企业越来越重视利用数据指引企业理性发展,而餐饮业菜品库存过多或过少会直接影响企业的成本与净利润,因此能够精准预测菜品销量有利于降低餐饮企业的生产成本和提高净利润.为了减少采购菜品的浪费和保持菜品的新鲜度,提出了多变量神经网络模型,并利用该模型预测陕西省某餐饮企业近两年的销量数据.结果表明,多变量长短时记忆神经网络模型(Multi-variable Long Short-Term Memory,Multi-LSTM)的预测精度明显优于季节性差分自回归滑动平均模型(Seasonal Autoregressive Integrated Moving Average,SARIMA)和时间序列与神经网络组合模型,且略优于单变量长短时记忆神经网络模型(Single-variable Long Short-Term Memory,Single-LSTM).

关键词：菜品销量预测、季节性差分自回归滑动平均模型(SARIMA)、多变量长短时记忆神经网络模型(Multi-LSTM)

所属期刊栏目：34

分类号：TP183(自动化基础理论)

在线出版日期：2022-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：171-174