基于LSTM网络模型的菜品销量预测

• 作者: 王晓峰 马超群
• 来源期刊: 现代计算机：中旬刊
• 学科: 工学
• 关键词: LSTM 时间序列 销量预测
• 年，卷（期）: 2018,（8）
• 页码范围: 26-30
• 页数: 5页
• 分类号: TP18

摘要

由于近几年大数据和机器学习的火热,也带动传统企业向数据驱动这方面转型,在餐饮业,存在着大量的历史消费数据未被科学的利用,为了能够让数据说话,通过对餐饮消费数据的分析,为了减少采购菜品的浪费和保持菜品的新鲜度,现提出一种基于LSTM模型的菜品销量预测方法。利用近几年的消费数据,结合深度学习框架（Tensor Flow）对未来的菜品销量进行预测,结果显示该模型针对时间序列数据能够很好地拟合实验数据,预测精确度符合实际需求。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晓峰	上海海事大学信息工程学院	71	454	12.0	17.0
2	马超群	上海海事大学信息工程学院	4	16	3.0	4.0