基于SARIMA-SVR模型的O2O外卖顾客总需求预测

论文摘要

近年来,020（线上到线下）外卖行业迅速发展,依靠大量投钱推广的时代已然过去,一些问题逐渐显露。当前行业中存在着用户满意度低、物流成本高、配送效率低等问题亟待解决。这些现实问题想要得到解决,一个很重要的方面就是利用好平台积累的大量历史数据,发现其中的规律,进而运用规律,辅助决策。本研究从这一角度入手,基于某外卖平台的历史数据,探索订单到达的时间分布规律,研究顾客需求的预测方法,帮助企业预估需求量。准确预测顾客的需求可以使企业可以提前做好准备,实现人力物力的合理配置,这对于提高外卖配送效率、降低物流成本最终提高经济效益是很有必要的。因此,本文着重解决的两大问题是:订单到达时间分布规律的探索和数据驱动的顾客需求建模。围绕这两个问题,本文的主要工作和结论包括:（1）对历史数据进行描述性统计分析,发现外卖订单中蕴含的统计规律,外卖订单在空间中的分布情况呈现出在学校、医院、大型商业街附近订单密集程度高的特点。需求量与节假日和天气有一定关系,周末的订单量相对工作日通常略低一些,法定节假日期间订单量会出现明显的下降;当出现降水时,外卖需求量通常会有一定的提升。（2）基于已有历史数据得出了 020外卖订单到达时间分布的规律,外卖平台一天中的订单量分布情况是午、晚两餐各出现一个近似高斯分布的波峰。近似拟合结果为两个高斯分布的加和,单独提取午间高峰期依然是两个高斯分布和的拟合结果最优,因此,外卖平台订单到达的分布可近似看作两个高斯分布加和的形式。这一规律对于外卖企业来说,可以用来监控平台的运营状况,判断每日的经营状态是否出现异常,也可用作短期的订单量预判。（3）发现有助于顾客需求预测的变量并通过实验验证变量的有效性。参考现有文献和直观推测并通过实验验证,得出节假日、降水情况、前n日均值和月末分布这几个变量在外卖需求预测中是有效的。目前020外卖需求预测的研究非常稀少,本文提出的变量不仅对于现实外卖平台的决策大有助益,同时也为领域内其他学者日后的研究提供了参考。（4）建立SARIMA-SVR组合预测模型,根据历史订单数据预测未来一个月每天中午高峰时段的订单量,很好地拟合了数据中的线性成分和非线性成分。对比经典与常用的SARIMA模型、神经网络、决策树以及线性回归模型准确度更高。其中一些模型虽然以往在其他领域的预测中已有应用,但在外卖预测领域的使用效果几乎没有人验证过,本文的对比实验结果可以作为后续研究的基准。对于现实020外卖企业来说,该方法有助于020外卖平台进行最合理的资源配置,提前调配好人力物力、减少服务时间、提升顾客满意度等,同时也可以为020平台提供预测方法与数据的支撑。

论文目录

摘要

abstract

1 绪论

1.1 选题背景与研究意义

1.1.1 选题背景

1.1.2 研究意义

1.2 研究目标与研究内容

1.2.1 研究目标

1.2.2 研究内容

1.3 论文结构与技术路线

1.4 本章小结

2 文献综述

2.1 O2O外卖的研究现状

2.1.1 平台角度

2.1.2 商户角度

2.1.3 消费者角度

2.1.4 技术角度

2.1.5 小结

2.2 需求预测问题的研究综述

2.2.1 旅游和客运需求预测

2.2.2 电力需求预测

2.2.3 销售预测

2.2.4 小结

2.3 订单到达时间分布规律拟合的研究

2.4 本章小结

3 基于数据的外卖订单时空分布特征分析

3.1 数据概述

3.2 外卖订单的描述性统计分析

3.2.1 订单状态

3.2.2 性别比例

3.2.3 配送方

3.2.4 优惠类型

3.2.5 订单总金额

3.2.6 地理位置分布

3.3 订单到达时间的分布规律

3.3.1 按月统计的订单量变化

3.3.2 按日统计的订单量变化

3.3.3 分时统计的订单量变化

3.4 高峰时段订单到达时间分布的序列分解

3.5 本章小结

4 基于SARIMA的时间序列预测

4.1 理论介绍

4.1.1 平稳时间序列

4.1.2 自回归模型

4.1.3 移动平均模型

4.1.4 自回归移动平均模型

4.1.5 差分自回归移动平均模型

4.1.6 SARIMA模型

4.2 模型评价指标

4.3 实验设计与实验过程

4.3.1 实验设计

4.3.2 实验环境

4.3.3 第一组数据实验过程和结果

4.3.4 第二组数据实验过程和结果

4.3.5 第三组数据实验过程和结果

4.4 本章小结

5 组合预测模型

5.1 组合预测模型的构建

5.1.1 支持向量回归理论介绍

5.1.2 模型构建方法

5.1.3 实验环境

5.1.4 订单量的影响因素分析

5.2 数值实验

5.2.1 模型1: SARIMA-SVR1

5.2.2 模型2: SARIMA-SVR2

5.2.3 对比实验

5.3 本章小结

6 结论与展望

6.1 本文研究工作总结

6.2 研究结论

6.3 创新点

6.4 研究展望

参考文献

后记

文章来源

类型: 硕士论文

作者: 何小舟

导师: 唐加福

关键词: 外卖,需求预测

来源: 东北财经大学

年度: 2019

分类: 基础科学,经济与管理科学

专业: 数学,宏观经济管理与可持续发展,服务业经济,贸易经济

单位: 东北财经大学

基金: 国家自然科学基金重点项目“O2O模式下即时配送服务运作管理的理论与方法”中S1专题O2O-IDS系统建模,合作机制与顾客需求行为分析中的两个研究科学问题:O2O外卖顾客订单描述性统计分析与订单到达的时间分布规律探索和数据驱动的顾客需求预测建模

分类号: F724.6;F719.3;F224

DOI: 10.27006/d.cnki.gdbcu.2019.000167

总页数: 79

文件大小: 7528K

下载量: 102

基于SARIMA-SVR模型的O2O外卖顾客总需求预测

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢