1.一种餐饮人流量备料智能预测方法，其特征在于，包括如下步骤：步骤1：采集天气因素、节假日因素、用餐时间段因素以及人流量历史数据；

步骤2：构建基于蛇优化算法的SO‑RBF人流量预测模型，所述SO‑RBF人流量预测模型采用SO优化算法优化模型参数，基于所述SO‑RBF人流量预测模型对当天不同时间段用餐的人流量进行预测；

步骤21)构建径向基函数：

其中，μt为中心点， 为径基宽度，径基宽度决定径向基函数下降的快慢；

步骤22)确定输入层4个节点，x1、x2、x3、x4分别对应天气、节假日、用餐时间段以及同一时间历史人流量数据；

步骤23)确定输出层1个节点，Y表示当天人流量预测结果；

步骤24)对收集到的数据进行归一化处理，将原始值通过最大‑最小标准化映射到区间[0,1]的值x′，映射公式如下：其中，maxA和minA分别表示因素A的最大值与最小值；

步骤25)随机选取全部数据的70％作为训练样本，其余30％作为测试样本；

步骤26)采用SO算法对RBF网络的中心点μt的位置进行优化，构建SO‑RBF预测模型；

步骤3：获取火锅店当天菜品价格数据、各类菜品保质期数据以及历史菜品数量数据；

步骤4：构建基于优化权重的组合预测菜品数量预测模型，根据SO‑RBF人流量模型的预测数据，结合步骤3中获取的当天菜品价格数据、各类菜品保质期数据以及历史菜品数量数据，对当天的各类菜品所需数量进行合理预测，并输出购菜方案；

步骤41)构建多变量的灰色预测模型，模型的构建公式如下：其中： 表示原始因变量序列， 表示原始自变量序列，表示为 的一次累加生成序列，a表示发展系数， 为驱动项，bj为驱动项系数；λ灰色作用量； 为紧邻生成序列；

步骤42)构建神经网络预测模型，模型构建公式如下所示：其中，l为隐含层神经元个数，M为输入层神经元个数，h为输出层神经元个数，α为取值在[0,1]的调整常数；

步骤43)构建偏最小二乘回归模型，根据偏最小二乘回归建立双对数线性回归模型，模型建立公式如下所示：ln y＝β0+β1ln z1+β2ln z2+...+βqln zq其中：y表示各类菜品数量，z1～zq表示影响购菜数量的主要因素，β0～βq为回归系数；

步骤44)建立优化权重的组合预测模型，模型建立公式如下所示：其中：表示最终的预测结果；m表示单预测模型数量，m取3；wf为单预测模型所占权重；

表示各单预测模型预测结果；且有

步骤45)采用方差倒数法对权重wf进行优化，优化公式如下所示：其中： 表示第f个单预测模型的预测误差平方。

2.根据权利要求1所述的餐饮人流量备料智能预测方法，其特征在于，所述步骤26)中采用SO算法对RBF网络的中心点μt的位置进行优化的具体步骤为：步骤26.1)初始化种群，初始化公式如下所示：Xi＝Xmin+r×(Xmax‑Xmin)

其中，Xi表示第i个蛇的位置，r是[0,1]范围内的随机数；Xmax和Xmin分别为求解问题的上下边界；

步骤26.2)将种群分为雌性和雄性两个组，假设雄性的数量为50％，雌性的数量为

50％，划分种群的公式如下所示：

Nm≈N/2

Nf＝N‑Nm

其中：N表示蛇种群的大小规模；Nm表示雄性的数量；Nf表示雌性的数量；

步骤26.3)找到每组中的最好个体，得到最佳雄性个体fbest,m、最佳雌性个体fbest,f以及食物位置ffood；

步骤26.4)计算温度，计算公式如下所示：

其中，t表示当前迭代次数，T表示最大迭代次数；

步骤26.5)计算食物量，计算公式如下所示：

其中，c1为一个值为0.5的常数；

步骤26.6)判断食物量的值Q，当食物量的值Q＜Threshold，Threshold＝0.25，蛇会选择随机位置搜索食物，通过下式更新雄性蛇与食物的相对位置：Xi,m(t+1)＝Xrand,m(t)±c2×Am×((Xmax‑Xmin)×rand+Xmin)其中：Xi,m表示第i个雄性个体的位置；Xrand,m表示随机雄性个体位置，rand表示[0,1]之间的随机数，c2是值为0.05的常数，Am表示雄性个体寻找食物的能力，计算公式如下所示：其中：frand,m表示Xrand,m的适应度值，fi,m表示第i个雄性个体的适应度值；

步骤26.7)通过下式更新雌性蛇与食物的相对位置：Xi,f＝Xrand,f(t+1)±c2×Af×((Xmax‑Xmin)×rand+Xmin)其中：Xi,f表示第i个雌性个体的位置，Xrand,f表示随机雌性个体的位置，rand表示[0,1]之间的随机数，Af表示雌性个体寻找食物的能力，计算公式如下所示：其中：frand,f表示Xrand,f的适应度的值，fi,f表示第i个雌性个体的适应度值；

步骤26.8)判断食物量的值Q，当食物量的值Q＞Threshold，再判定Temp的值，若满足Temp＞Threshold，蛇只会向食物方向移动，蛇群位置更新，更新公式如下所示：Xi,j(t+1)＝Xfood±c3×Temp×rand×(Xfood‑Xi,j(t))其中Xi,j表示所有个体的位置，Xfood表示最佳个体位置，c3是一个值为2的常数；

步骤26.9)若满足Temp＜Threshold，此时蛇处于战斗或者交配状态；

步骤26.10)当蛇处于战斗状态时，雄性个体位置更新，更新公式如下所示：Xi,m(t+1)＝Xi,m(t)±c3×FM×rand×(Q×Xbest,f‑Xi,m(t))其中Xi,m表示第i个雄性个体的位置，Xbest,f表示雌性群体中最佳个体的位置，FM表示雄性个体的战斗能力；

步骤26.11)当蛇处于战斗状态时，雌性个体位置更新，更新公式如下所示：Xi,f(t+1)＝Xi,f(t)±c3×FF×rand×(Q×Xbest,m‑Xi,f(t))其中：Xi,f表示第i个雌性个体的位置，Xbest,m表示雄性群体中最佳个体的位置，FF表示雌性个体的战斗能力；

步骤26.12)计算雄性个体与雌性个体的战斗能力，计算公式如下所示：其中：fbest,f表示雌性群体中最佳个体的适应度，fbest,m表示雄性群体中最佳个体的适应度，fi表示当前个体的适应度；

步骤26.13)当蛇处于交配模式时，雄性个体与雌性个体位置更新，更新公式如下所示：Xi,m(t+1)＝Xi,m(t)±c3×Mm×rand×(Q×Xi,f(t)‑Xi,m(t))Xi,f(t+1)＝Xi,f(t)±c3×Mf×rand×(Q×Xi,m(t)‑Xi,f(t))其中：Xi,m表示第i个雄性个体的位置，Xi,f表示第i个雌性个体的位置，Mm和Mf分别表示雄性个体与雌性个体的交配能力，计算公式如下所示：步骤26.14)当蛇蛋孵化时，选择最差的雄性和雌性个体进行替换，最差雄性个体与最差雌性个体的计算公式如下所示：Xworst,m＝Xmin+rand×(Xmax‑Xmin)Xworst,f＝Xmin+rand×(Xmax‑Xmin)其中：Xworst,m表示最差雄性个体，Xworst,f表示最差雌性个体。

3.一种基于权利要求1或2所述的餐饮人流量备料智能预测方法的智能预测系统，其特征在于，包括数据采集单元、人流量预测单元、菜品数量预测单元以及菜品备料输出单元；

数据采集单元，用于采集包括天气因素、节假日因素、用餐时间段因素以及人流量历史数据；

人流量预测单元，包括基于蛇优化算法的SO‑RBF人流量预测模型、当天菜品价格数据获取单元以及历史菜品数量数据获取单元，所述当天菜品价格数据获取单元以及历史菜品数量数据获取单元分别用于获取火锅店当天菜品价格数据以及历史菜品数量数据，所述SO‑RBF人流量预测模型通过数据采集单元得到的数据，对当天不同时间段用餐的人流量进行预测，并采用SO优化算法优化模型参数；

菜品数量预测单元，包括基于优化权重的组合预测菜品数量预测模型以及各类菜品保质期数据获取单元，所述各类菜品保质期数据获取单元用于获取各类菜品保质期数据，所述基于优化权重的组合预测菜品数量预测模型根据人流量预测单元的预测数据，结合当天菜品价格数据、各类菜品保质期数据以及历史菜品数量数据，对当天的各类菜品所需数量进行合理预测，并输出购菜方案；

菜品备料输出单元，用于根据菜品数量预测单元输出的购菜方案进行菜品备料。