本文选取2015年1月1日到2015年2月6日某餐厅的菜品销售数据进行建模。对数据进行预处理,建立ARIMA时间序列模型,做平稳性检验,并作一阶差分,通过模型识别与定阶,建立ARIMA(1,1,0)模型,最后应用选定的时间序列方法预测未来的餐厅菜品销售量。我们预测出,未来五天的餐厅菜品销售量分别为4856.4、4881.4、4897.3、4897.3、4907.4。
研究背景
由于餐饮行业是生产和销售同时进行的,因此销售预测对于餐饮企业十分必要。如何基于菜品历史销售数据,做好餐饮销售预测,以便减少菜品脱销现象和避免因备料不足而造成的生产延误,从而减少菜品生产等待时间,提供给客户更优质的服务,同时可以减少安全库存量,做到生产准时制,降低物流成本,餐饮销售预测可以看作是基于时间序列的短期数据预测,预测对象为菜品销售量。
问题分析
在实际生活中,自然界中绝大部分序列都是非平稳的。因而对非平稳序列的分析更普遍、更重要,创造出来的分析方法也更多。对非平稳时间序列的分析方法可以分为确定性因素分解的时序分析和随机时序分析两大类。确定性因素分解的方法把所有序列的变化都归结为四个因素(长期趋势、季节变动、循环变动和随机波动)的综合影响,其中长期趋势和季节变动的规律性信息通常比较容易提取,而由随机因素导致的波动则非常难以确定和分析,对随机信息浪费严重,会导致模型拟合精度不够理想。随机时序分析法的发展就是为了弥补确定性因素分解方法的不足。根据