2020年由于新冠疫情的影响,人们避免面对面接触式的购物,这使得自动蔬菜机、自动饮料机等等自动无人售货机更加受到市场青睐。自动售货机市场也迎来了发展的又一次高峰。传统自动售货系统在支付方式、对售货机的状态监控方式等等方面已经落后,对于自动售货机的补货频率和区域补货人员配比问题已经成为行业的难点,该问题直接影响了商家的盈利能力,为解决该问题有必要建立销售量预测模型,根据该模型预测结果提前设计补货频率和补货人员配比方案。本课题依托现有的物联网云平台,结合MQTT协议与4G模块设计了售货购物系统,然后将订单数据通过My SQL数据库保存在云平台中。导出数据库中的历史销售数据,分别使用了四种销量预测模型对自动售货机的商品销售量进行预测。由实验结果可知,基于误差倒数法的组合模型（SVR-DNN）的预测误差明显小于其他三种模型,为补货方案提供决策依据,进而节约人力成本并且提高销量,最后使得运营商收益最大化。本文具体工作如下:（1）介绍了自动售货机的发展现状与研究热点问题,确定研究目标:第一,售货机终端与云平台数据传输满足高可靠性、低流量特点,第二,建立销量预测模型,从而得出最优补货方案,提升经济效益。（2）从售货系统研究需求出发,基于系统设计架构展开了技术架构分析,然后阐明了售货机装置的硬件平台搭建和软件设计。（3）分析了自动售货机商品销量的影响因素,阐述了销量订单数据库的构建过程与数据来源,最终建立了销量特征数据集。理论上分析了ARIMA模型和支持向量回归模型（SVR）在销量预测应用的可行性,阐述了两种方法的建模过程,并且使用了这两种方法对销量进行了预测,结果表明由于ARIMA模型存在忽略非线性影响因素的问题,然而非线性影响因素权重大于时间特征因素,这导致ARIMA模型在本课题中的预测误差偏大。基于前面的实验结果,考虑到深度神经网络（DNN）在非线性因素下的数据挖掘能力,根据深度神经网络的建模过程,采用了DNN对销售量进行回归预测。基于SVR和DNN的良好预测效果,采用了一种线性加权组合预测模型（SVR-DNN）对销量进行回归预测,其中权重系数通过变权误差倒数法确定。结果表明组合预测模型综合预测性能明显好于其他单一模型。（4）测试自动售货机装置的稳定性,检测售货机终端与云平台数据通信数据的准确性,然后通过实验从各个维度分析对比了4种模型,验证了SVR-DNN预测模型在本课题设计的自动售货系统应用的优越性。最后证明了本课题设计的售货系统的可靠性。