随着人工智能时代的到来,企业面临着各种成本的挑战,虽然餐饮行业的现代化管理已经日趋成熟,但也由于大量的菜品积压,导致菜品腐烂浪费,从而降低利润,或者菜品供应不足,无法满足消费者需求,从而导致营业额下降,顾客满意度下降。现如今很多超市采用人工预测方式,销售人员依据自身经验来判断第二天所需要采购蔬菜的数量,由于蔬菜的销售受到了多种因素的影响,人为的客观判断准确率很低,这样就造成了某些菜品出现供应不足以及货物短缺的现象。因此,企业要想在市场中脱颖而出,必须从传统的销售管理模式逐渐地向信息化、自动化管理模式发展。针对蔬菜销售预测中的菜品供应不足,菜品浪费等问题,本文提出了一种基于集成学习的蔬菜销售预测方法。首先选取了LightGBM模型、LSTM长短时记忆网络模型2个单项预测模型进行研究,因为销售预测受到线性和非线性的影响,然后将两个模型进行组合,从而提高预测精度,在组合模型权重的求解中选取算术平均法组合预测、熵权法、方差倒数法、集成学习stacking方法进行模型融合对比。实验结果表明,组合模型相比于单项模型具有更高的预测准确率,在组合模型中,采用基于集成学习的stacking方法具有更高的预测准确率,本文所提出的基于集成学习方法中叶菜类蔬菜预测准确率最高达到了94.19%,其次为根茎类92.37%,瓜和茄果类91.95%,最低的为鲜豆和菌类86.63%,整体来看,该方法能够有效的预测蔬菜未来短期内的销量。最后本文设计并实现了蔬菜销售预测的WEB端系统,利用可视化界面方便查看某种蔬菜的未来短期和历史的销量情况,从而为企业制定采购计划,增强企业的生命力,让企业能够在市场得到更好的发展。