自回歸求和滑動平均方法用于間歇過程變量在線預(yù)測

劉興紅，鄒志云，劉景全，郭宇晴，于魯平

（防化研究院，北京102205）

鑒于間歇過程在現(xiàn)代工業(yè)中的地位和作用愈加重要，且隨著數(shù)據(jù)采集、數(shù)據(jù)庫、化學(xué)計量學(xué)（chemometrics）等技術(shù)的發(fā)展，間歇過程基于數(shù)據(jù)驅(qū)動的建模方式發(fā)展迅速［1］。非線性時間序列預(yù)測技術(shù)可實現(xiàn)重要參數(shù)未來變化趨勢的早期預(yù)報，從而為分析判斷工況是否正常、確定轉(zhuǎn)入下一工序的時機提供依據(jù)，進而達到節(jié)能降耗、提高產(chǎn)量的目的。筆者根據(jù)間歇過程數(shù)據(jù)特點，提出了一種間歇過程變量非線性時間序列在線預(yù)測方法。

建立間歇過程變量預(yù)測模型需要挖掘該變量在以往過程批次中的數(shù)據(jù)信息。由于間歇過程數(shù)據(jù)具有動態(tài)特點，在批次內(nèi)表現(xiàn)為非線性的時間序列，即具有非線性和自相關(guān)性；在不同操作批次之間過程變量軌跡的變動服從正態(tài)分布，且不同批次數(shù)據(jù)不等長［2］。因此，難于找出一條統(tǒng)一不變的軌跡來擬合，以建立變量的在線預(yù)測模型。筆者采用對多個批次數(shù)據(jù)按照隨機的順序首尾相接組成長數(shù)據(jù)集的數(shù)據(jù)重構(gòu)策略，采用時間序列分析及預(yù)報技術(shù)，實現(xiàn)間歇過程變量的實時預(yù)報。

常用的非線性時間序列建模方法有基于自回歸求和滑動平均ARIMA（Autoregressive Integrated Moving Average）的方法［3－4］、人工神經(jīng)元網(wǎng)絡(luò)ANN（Artificial Neural Net）方法［5］和支持向量機SVM（Support Vector Machine）方法［6－7］等。ARIMA方法是理論上最為成熟的自回歸滑動平均（ARMA）方法在非線性時間序列分析應(yīng)用中的一種演進和拓展。由于ARIMA方法算法簡單，計算速度快，且精度也較高，因而筆者采用ARIMA方法建模。……