本文關(guān)鍵詞：餐飲業(yè)菜品銷售量預(yù)測(cè)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著現(xiàn)代信息技術(shù)的發(fā)展以及科學(xué)家們對(duì)數(shù)學(xué)模型的不斷優(yōu)化,信息化管理被逐漸應(yīng)用到餐飲行業(yè)中,傳統(tǒng)的餐飲行業(yè)管理模式正在逐漸地向信息化、自動(dòng)化管理模式發(fā)展。餐飲行業(yè)中多年的數(shù)據(jù)積累沒(méi)有得到充分的利用,造成了數(shù)據(jù)浪費(fèi),同時(shí)也給現(xiàn)在的研究提供了數(shù)據(jù)來(lái)源。雖然餐飲行業(yè)的現(xiàn)代化管理已經(jīng)日趨成熟,但也由于大量的菜品積壓,導(dǎo)致菜品腐爛浪費(fèi),從而降低利潤(rùn),或者菜品供應(yīng)不足,無(wú)法滿足消費(fèi)者需求,從而導(dǎo)致營(yíng)業(yè)額下降,顧客滿意度下降。因此,對(duì)餐廳的日常菜品的銷量進(jìn)行較為精準(zhǔn)的預(yù)測(cè)將會(huì)解決上述問(wèn)題,從而增加餐廳競(jìng)爭(zhēng)力。筆者通過(guò)對(duì)國(guó)內(nèi)的餐飲業(yè)使用的自動(dòng)化管理系統(tǒng)進(jìn)行研究發(fā)現(xiàn),目前的餐飲業(yè)相關(guān)的管理系統(tǒng)只有簡(jiǎn)單的進(jìn)銷存管理,而未涉及到菜品的銷量預(yù)測(cè),無(wú)法根據(jù)現(xiàn)有的信息資源預(yù)測(cè)菜品的銷售量。由于菜品銷售量變化趨勢(shì)是不確定的復(fù)雜模型,建立與其相關(guān)的預(yù)測(cè)模型很不容易,目前建立的預(yù)測(cè)模型大部分應(yīng)用到一些比較長(zhǎng)期的觀測(cè)活動(dòng),即使用到短期的預(yù)測(cè)活動(dòng)上,各個(gè)具體的模型建立都有很大的差別。筆者受到其他行業(yè)相關(guān)預(yù)測(cè)模型的啟發(fā),分別通過(guò)對(duì)影響因素的劃分與分類,預(yù)測(cè)模型的建立與算法的優(yōu)化來(lái)檢驗(yàn)?zāi)Ｐ涂尚行砸约疤岣哳A(yù)測(cè)精度。神經(jīng)網(wǎng)絡(luò)因具有良好的非線性擬合能力,已經(jīng)廣泛應(yīng)用于各個(gè)領(lǐng)域。多而全面的預(yù)測(cè)訓(xùn)練數(shù)據(jù)是神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)基礎(chǔ)。在餐飲行業(yè)中,通過(guò)從前的銷售記錄和相關(guān)的數(shù)據(jù)來(lái)獲得大量的有效的數(shù)據(jù)資源。但是,因?yàn)橛绊懸蛩囟喽鴱?fù)雜,并且這些因素之間還有一定的聯(lián)系,所以對(duì)于一些不滿足多而全面的數(shù)據(jù)資料,就不能用神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)�，F(xiàn)今在其他行業(yè)比較受歡迎的預(yù)測(cè)算法是BP神經(jīng)網(wǎng)絡(luò),而相對(duì)于BP神經(jīng)網(wǎng)絡(luò),極限學(xué)習(xí)機(jī)在運(yùn)行速度上有很大優(yōu)勢(shì),而且誤差相對(duì)更小。目前,研究數(shù)據(jù)不足的問(wèn)題,比較好的方法是灰色系統(tǒng)。以往餐飲菜品銷量研究分類粗糙老化,預(yù)測(cè)準(zhǔn)度不夠,預(yù)測(cè)方法單一,最好的預(yù)測(cè)誤差也在±20%,達(dá)不到企業(yè)的預(yù)期效果,本文的基礎(chǔ)是實(shí)驗(yàn)預(yù)測(cè)數(shù)據(jù),以預(yù)測(cè)數(shù)據(jù)之間的關(guān)系為主要研究線索,通過(guò)對(duì)從前的實(shí)驗(yàn)數(shù)據(jù)的更詳細(xì)的處理,研究每一種因素的因素水平高低和影響效果,通過(guò)BP神經(jīng)網(wǎng)絡(luò)、極限學(xué)習(xí)機(jī)以及灰色系統(tǒng)對(duì)餐飲業(yè)菜品銷售量進(jìn)行預(yù)測(cè)研究,目的是為了完成餐飲企業(yè)各樣菜品短期銷量預(yù)測(cè)。本文通過(guò)對(duì)菜品銷量的各種預(yù)測(cè)模型進(jìn)行建立與對(duì)比,旨在建立一種適合餐飲行業(yè)菜品預(yù)測(cè)的精度較高的預(yù)測(cè)模型,實(shí)現(xiàn)餐飲企業(yè)各樣菜品短期銷量預(yù)測(cè),并最大限度減小預(yù)測(cè)誤差,從而真正應(yīng)用并實(shí)施到餐飲行業(yè)中,減少庫(kù)存量,節(jié)約經(jīng)營(yíng)成本,從而增加企業(yè)的競(jìng)爭(zhēng)力。
【關(guān)鍵詞】：餐飲業(yè) 銷售量預(yù)測(cè) BP神經(jīng)網(wǎng)絡(luò) 極限學(xué)習(xí)機(jī) 灰色系統(tǒng)
【學(xué)位授予單位】：東北師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：F719.3;TP183;N941.5
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-13
• 1.1 選題背景和研究意義9-10
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀10-11
• 1.3 主要研究?jī)?nèi)容11-13
• 第2章 菜品銷售量關(guān)鍵問(wèn)題分析13-17
• 2.1 長(zhǎng)期影響因素13-15
• 2.2 短期影響因素15-16
• 本章小結(jié)16-17
• 第3章 相關(guān)理論17-25
• 3.1 BP神經(jīng)網(wǎng)絡(luò)17-19
• 3.2 粒子群優(yōu)化算法及PSO-BP算法流程19-20
• 3.2.1 基本粒子群優(yōu)化算法（PSO）19-20
• 3.2.2 粒子群優(yōu)化算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)流程20
• 3.3 灰色系統(tǒng)20-21
• 3.4 馬爾科夫鏈預(yù)測(cè)模型21
• 3.5 極限學(xué)習(xí)機(jī)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
• 本章小結(jié)24-25
• 第4章 實(shí)驗(yàn)數(shù)據(jù)分析25-31
• 4.1 因素水平選擇25
• 4.2 實(shí)驗(yàn)數(shù)據(jù)選擇25-26
• 4.3 數(shù)據(jù)分析26-31
• 第5章 實(shí)驗(yàn)分析31-38
• 5.1 PSO-BP預(yù)測(cè)模型與PSO-KELM預(yù)測(cè)模型31-35
• 5.1.1 PSO-BP預(yù)測(cè)模型31-33
• 5.1.2 粒子群優(yōu)化核極限學(xué)習(xí)機(jī)預(yù)測(cè)模型（PSO KELM）33-34
• 5.1.3 預(yù)測(cè)結(jié)果對(duì)比34-35
• 5.2 灰色馬爾科夫預(yù)測(cè)模型35-37
• 本章小結(jié)37-38
• 總結(jié)和展望38-39
• 總結(jié)38
• 展望38-39
• 參考文獻(xiàn)39-41
• 致謝41

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 趙國(guó)清;;一種銷售量預(yù)測(cè)法[J];預(yù)測(cè);1986年06期

2 范宏,湯兵勇;基于人工神經(jīng)網(wǎng)絡(luò)的銷售量預(yù)測(cè)方法初探[J];中國(guó)紡織大學(xué)學(xué)報(bào);1997年05期

3 魏宏業(yè),王建華,何崴;銷售量預(yù)測(cè)的支持向量機(jī)建模及參數(shù)選擇研究[J];系統(tǒng)仿真學(xué)報(bào);2005年01期

4 廖細(xì)生;;基于混沌理論和神經(jīng)網(wǎng)絡(luò)的銷售量預(yù)測(cè)[J];商場(chǎng)現(xiàn)代化;2010年05期

5 陳秋玲;陳忠;;最小二乘法在汽車銷售量預(yù)測(cè)中的應(yīng)用[J];合作經(jīng)濟(jì)與科技;2012年10期

6 王豐效;銷售量預(yù)測(cè)模型及其應(yīng)用[J];天水師范學(xué)院學(xué)報(bào);2002年05期

7 陳曉溪;;太陽(yáng)能熱水器銷售量預(yù)測(cè)模型的確定[J];預(yù)測(cè);1985年Z1期

8 靳永寬;左月明;趙秀全;趙長(zhǎng)順;王便民;李寶生;;5TS—70型脫粒機(jī)銷售量預(yù)測(cè)研究[J];山西農(nóng)業(yè)大學(xué)學(xué)報(bào);1992年04期

9 董景榮;銷售量預(yù)測(cè)的人工神經(jīng)網(wǎng)絡(luò)方法[J];重慶師范學(xué)院學(xué)報(bào)(自然科學(xué)版);1997年03期

10 張凡;;基于灰色預(yù)測(cè)的我國(guó)裝載機(jī)銷售量預(yù)測(cè)[J];物流工程與管理;2012年03期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 柴軍;餐飲業(yè)菜品銷售量預(yù)測(cè)研究[D];東北師范大學(xué);2016年

2 胡偉;我國(guó)汽車銷售量預(yù)測(cè)研究[D];河海大學(xué);2007年

3 張凱銘;基于ANFIS的區(qū)域汽車市場(chǎng)銷售量預(yù)測(cè)研究[D];吉林大學(xué);2011年

  本文關(guān)鍵詞：餐飲業(yè)菜品銷售量預(yù)測(cè)研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：332436