[发明专利]一种基于深度学习的餐饮业菜品销量预测方法

摘要

本发明公开了一种基于深度学习的餐饮业菜品销量预测方法，该方法将销量数据按销量所属日期进行数据划分，分别建立了普通工作日和节假日销量预测模型。当对菜品销量进行预测时，采用普通工作日销量预测模型进行未来普通工作日销量的预测，而节假日期间菜品销量采用节假日销量预测模型来预测。本发明方法在非线性数据与节假日期间预测均表现良好，有更为精确的预测能力和较强的鲁棒性，能够更为全面的反映出菜品销量的规律与特征。该预测模型能够为企业采购者采购物料提供有力的参考依据，有很强的应用价值。

主权项

1.一种基于深度学习对餐饮业菜品销量进行预测的方法，其特征在于，包括如下步骤：原始数据序列为菜品每天销量数据，根据销量日期所属工作日，将原始数据序列划分为普通工作日销量序列和节假日销量序列；其中普通工作日序列包含了周一销量数据至周天销量数据7个序列数据，节假日销量数据包含了14个节假日数据序列；对于普通工作日销量的预测采用了深度学习中的长短期记忆网络(LSTM)模型，模型包含输入层、隐藏层与输出层，隐藏层由2个LSTM层组成，均采用tanh作为层级激活函数，输出层为全连接层，采用sigmoid激活函数，模型的输入为一个工作日菜品销量的历史数据，输出为下一个相同工作日的销量预测值；由于不同节假日销量数据变化幅度不满足相同规律，根据节假日统计信息，对各个节假日进行了细致分析，按照节假日假期天数将节假日分为3类：A：元旦节、清明节、劳动节、端午节；B：春节、国庆节；C：非法定节假日。由于时间节点较近的节假日可能有假期的重叠，并且节假日数据量较少，节假日期间，菜品销量波动较大，但是相同节假日期间菜品总销量较为稳定，因此预测A、B两类节假日菜品销量分为两部分：首先预测节假日期间菜品销售总量，利用节假日前夕的数据与节假日期间总销量的关系进行预测，MLP输入层包含7个神经元，有2个隐藏层，输出层有1个神经元，模型的输入采用节假日前夕菜品每周销量，输出为菜品节假日总销量占输入比例，相同节假日销售总量共有多个预测值，再对预测值取均值作为节假日期间菜品销售总量，第二步根据历史节假日销售数据，为假期中的每一天分配权重，可得到假期中每天销量预测值；C类节假日的销量预测也包含两个过程；第一步将C类节假日作为普通工作日进行销量预测，预测方法采用普通工作日菜品销量预测方法；第二步是根据历史节假日销量数据与节假日相同工作日的销量数据预测销量增幅，两者相加得到C类节假日的预测值。