随着高速铁路的迅猛发展,越来越多的旅客选择高铁作为出行交通方式,在竞争日益激烈的市场中,高速铁路客运市场从“卖方市场”逐渐变为“买方市场”,工作重点更关注于如何高效吸引客流,提升服务质量,增涨企业收益。然而高铁上销售的冷链餐饮由于具有保质期短、补给站点有限的特殊性,导致备货不足存在供不应求、备货过量又将浪费资源的情况出现,因此,针对高铁上餐售营销的精确预测对提升经济效益具有重要的研究意义。自12306客票系统使用以来,积累了大量旅客购票数据,但这些数据并没有被充分利用于客运组织和营销,更没有对提高运营收入产生直接帮助。本文使用TensorFlow框架构建了神经网络模型,将高铁客票数据和餐售数据相关联作为数据源,基于神经网络方法,预测在已知客流量的情况下高铁上冷链餐饮的供应需求关系,预测结果可以为客运营销组织和作业提供决策指导和理论依据。本文主要工作如下:首先,分析了高铁餐售的销售现状,阐明了销售预测的研究目的和意义,并调研了预测技术和神经网络技术的发展历程及国内外研究现状,深入探讨了数据仓库和神经网络关键技术应用到本系统的特点和问题。然后,结合高铁餐售销售业务的实际情况,进一步分析了销售预测管理系统的功能需求,并优化的神经网络算法,设计了涵盖数据获取模块、预测分析模块、数据可视化模块等功能的销售预测管理系统总体结构方案。最后,在餐售管理系统作为数据源的基础上,设计并实现了基于历史数据对餐售预测的实验示例。先将客票数据和餐售销售数据进行清洗和转换处理,作为模型的训练数据集,分别输入到LSTM神经网络和MLP神经网络进行训练并验证预测结果。实验结果表明,MLP预测模型的性能更优于LSTM预测模型。本文研究结果表明,采用神经网络理论,可以对高铁餐售提供精确的预测建议,对管理者的决策工作具有较强的实际指导意义。