菜品销量预测是餐饮企业精细化运营过程中至关重要的一个环节。准确预估菜品销量对减少原材料浪费,控制企业采购成本,增加企业经营利润,提升企业市场竞争力具有重要的意义。目前,绝大多数餐饮企业仍依靠个人经验对菜品销量进行定性预测,具有很强的主观性和不确定性。本文基于某餐饮企业在线点餐系统后台数据库中的真实交易数据进行菜品日销量的预测研究,提出了一种基于ARIMA时间序列模型和BP神经网络模型的ARIMA-BP组合预测模型。本文的主要研究内容如下:(1)基于本文的预测目标,对菜品销量数据进行了采集和分析,发现其所呈现的规律比较复杂,既包含线性成分,表现出一定的趋势性和循环波动性规律,同时,又由于受到气象、节假日、优惠活动等外界因素的影响,表现出明显的非线性特征。(2)使用所采集的菜品销量数据,分别构建ARIMA时间序列预测模型和BP神经网络预测模型进行菜品销量的短期预测。结果显示,这两种模型均具有较好的预测效果。但ARIMA时间序列模型只能拟合数据的线性特征,对数据新的趋势变化表现的不够灵敏;BP神经网络模型能较好的捕捉数据的非线性特征和变化趋势,但在某些时间点,仍存在一些偏差。(3)为了进一步提高预测精度,本文结合了ARIMA时间序列模型和BP神经网络模型各自在线性和非线性特征拟合方面的优势,以预测误差最小化为目标,使用误差倒数加权平均法,分别赋予ARIMA时间序列模型和BP神经网络模型不同的权重,构建了ARIMA-BP组合预测模型。通过对预测结果的对比分析,证明了本文所提出的组合预测模型对菜品日销量的短期预测有更好的预测效果,较单一预测模型有更高的预测精度,对餐饮企业精细化运营具有一定的实践和指导意义。