| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-17页 |
| 1.1 研究背景 | 第6-8页 |
| 1.1.1 O2O餐饮外卖出现与发展 | 第6页 |
| 1.1.2 O2O餐饮外卖现存的问题、订单预测的意义与难点 | 第6-8页 |
| 1.2 相关文献综述 | 第8-11页 |
| 1.2.1 订单预测上的研究 | 第8-9页 |
| 1.2.2 流量预测上的研究 | 第9-11页 |
| 1.3 相关理论与技术 | 第11-16页 |
| 1.3.1 时间序列 | 第11-12页 |
| 1.3.2 长短时神经网络 | 第12-14页 |
| 1.3.3 卷积神经网络 | 第14-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 2 外卖订单预测问题定义与数据处理分析 | 第17-35页 |
| 2.1 外卖订单预测问题定义 | 第17-21页 |
| 2.2 时间的划分与分析 | 第21-22页 |
| 2.3 空间的划分与分析 | 第22-31页 |
| 2.3.1 空间的划分 | 第22-29页 |
| 2.3.2 空间内的联系与分析 | 第29-31页 |
| 2.4 时间-空间的关联 | 第31-33页 |
| 2.5 外界信息考虑 | 第33-35页 |
| 3 外卖订单预测模型 | 第35-48页 |
| 3.1 时间与三空间结合的LSTM-CNN模型(3STNet) | 第35-44页 |
| 3.1.1 时空数据输入 | 第35-36页 |
| 3.1.2 空间结构关系 | 第36-39页 |
| 3.1.3 三空间整合 | 第39-40页 |
| 3.1.4 时间序列关系 | 第40-43页 |
| 3.1.5 外界信息结构 | 第43-44页 |
| 3.2 时间与双空间结合的LSTM-CNN模型(2STNet) | 第44-45页 |
| 3.2.1 时空数据输入 | 第44页 |
| 3.2.2 空间结构关系 | 第44-45页 |
| 3.2.3 两空间整合、时间序列联系及外界信息结构 | 第45页 |
| 3.3 时间与单空间结合的LSTM-CNN模型(1STNet) | 第45-48页 |
| 4 实验结果对比与分析 | 第48-54页 |
| 4.1 客户-餐厅群订单空间CR- | 第49-51页 |
| 4.1.1 CR-1上单个客户-餐厅群订单预测结果对比分析 | 第49-50页 |
| 4.1.2 CR-1上全部客户-餐厅群订单预测结果对比分析 | 第50-51页 |
| 4.2 客户-餐厅群订单空间CR- | 第51-53页 |
| 4.2.1 CR-2上单个客户-餐厅群订单预测结果对比分析 | 第51-52页 |
| 4.2.2 CR-2上全部客户-餐厅群订单预测结果对比分析 | 第52-53页 |
| 4.3 在CR-1空间与CR-2空间上预测结果对比 | 第53页 |
| 4.4 有无外界信息下的预测结果对比 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录A 输入CR-1数据时单客户-餐厅群订单预测结果 | 第59-62页 |
| 附录B 输入CR-2数据时单客户-餐厅群订单预测结果 | 第62-65页 |
| 致谢 | 第65-67页 |
