时间序列预测模型在聚氨酯原料市场价格预测中的应用和比较

众所周知，时间序列分析方法是一种定量预测方法，在统计学中作为一种常用的预测手段被广泛应用于气象预报、地震预报、水文预报、电力负荷预报、价格预测和股票预测等。时间序列分析方法是通过对时间序列的分析和研究，运用科学方法建立预测模型，使得市场现象的数量向未来延伸，预测市场现象未来的变化趋势，确定市场预测值。     

辊道窑热力系统动态信号相关性的研究

本文研究了辊道窑热力系统多元动态信号间的相关性，从它们的互相关函数中，找出了各相关变量间动态变化的时滞值。并将其应用于多元时间序列数学建模中。用此方法改进后的预报方程进行计算机仿真预报，结果表明其预报精度比原预报方程提高了３０％左右。因此进行相关性的研究对改进窑炉工况监测预报系统及预报控制系统具有重要意义。     

辊道窑温度场动态变化初探

本文应用多元时间序列分析,对辊道窑温度场的动态变化建立了ARV(6)与ARMAV(3,2)模型。利用所建模型对窑内温度场变化进行预报,得到了满意结果;此外,本文应用AR模型最佳控制方法对辊道窑油压控制作了初步探讨。     

新型硫逐磷酰胺酯杀虫剂和杀线虫剂

在盆栽控制条件下对水肥效应、交互作用与耦合模型进行了研究，提出２种水肥效应耦合模型建模方法，证明了２种模型预报功能相一，为在田间条件下建立水肥耦合模型提供了依据。     

人工智能炉况预报系统投入运行

由中科院化冶所计算机化学开放实验室与石家在钢铁厂联合研制开发的计算机人工智能炉况预报系统于1994年12月在石家庄通过了河北省冶金厅组织的技术鉴定，该系统在研制过程中得到国家自然利学基金委的支持和帮助．高炉炼铁过程比较复杂，它包含气、固、液三相化学反应和复杂的动量、热量和质量传递，难于用机理模型进行精确的描述．80年代以来，国内外十分重视采用人工智能的方法，结合高炉操作的理论及经验知识，对高炉操作进行指导，该系统涉及时间序列模型、自适应模型和人工神经网络模型的研究，要求将专家系统与实时控制系统结合起来，…     

活性污泥法处理染色废水过程模型辨识与参数估计

本文用Ｂｏｘ－Ｊｅｎｋｉｎｓ时间序列分析方法建立了活性污泥法处理染色废水过程中，进、出水高锰酸盐指数（ＯＣｉ，ＯＣｅ）单序列随机模型以及ＯＣｅ对ＯＣｉ序列含量有噪声项的传递函数模型，建立的模型较好地拟合了实际过程，传递函数比噪声项显得重要，模型对ＯＣｉ序列预测平均误差１０．２６％。     

基于PSO_SA算法的聚丙烯熔融指数预报

实时准确的熔融指数预报在控制聚丙烯产品质量和提高聚丙烯生产的经济效益上有着举足轻重的作用。本文提出了一种粒子群优化(PSO)算法和模拟退火(SA)算法相结合的PSO_SA算法,该算法利用PSO和SA的优劣势进行互补,提高了算法寻优的能力和效果。利用此算法对建立的RBF聚丙烯熔融指数预报模型进行结构寻优,得到结构最优的预报模型。最后通过该模型对实际聚丙烯生产数据的预报研究,证明了PSO_SA算法寻优得到的预报模型具有很高的预报精度和可靠性能。     

ZrO2-SiC材料中原位SiC生成量预报的神经网络模型

研究了基于神经网络的ZrO2-SiC材料中原位SiC生成量预报模型,运用材料制备过程中的工艺参数,实现了SiC生成量的预报.结果表明:本模型具有良好的预报效果,人工神经网络是材料性能定量预报的一种有效方法.     

循环冷却水酸度动态变化的研究

本文研究了循环冷却水的动态过程及其变化规律,根据南京栖化厂循环水的报表数据及实验结果表明:循环冷却水酸度的动态变化过程具有随机周期性,它与加酸时间及加酸方法有关,长历程(4个月)的数据可用时间序列模型(1-B~3)AR(8)表示。短历程(74小时)可用(1-B)AR(2)描述。按照模型及谱分析提出了合适的加酸方法、发挥缓蚀药剂的作用,以及提前预报,加强水质的管理。     

基于BP人工神经网络的橡胶老化预报模型

依据BP神经网络系统能够利用人工智能的方法，准确分析多变量非线性系统的特性，采用多层向前BP神经网络系统建立起了橡胶老化预报模型。并利用此模型计算分析了丁基硫化橡胶基于温度与时间老化预报。结果表明，模型计算与实验在结果上有较好的一致性。     

循环冷却水pH值预报控制的研究

本文研究了循环冷却水的动态变化过程的数学模型,预报方程及实验结果。根据南京栖化厂循环冷却水的报表数据与实验数据分析表明:循环冷却水pH值的动态变化过程具有随机周期性,它与加酸方法有关,长周期(4个月)的数据序列可用(1—B~3)AR(8)表示。按此模型可提前8小时预报pH的变化。预报误差一般为3%左右。预报pH值可实现对循环冷却水主动控制,加强水质的科学管理。     

河流水质预警预报模型的进展

水环境预警预报系统的核心是水质模型，本文对国内外现有水质模型研究现状作了较全面的介绍，并展望了今后的研究趋势和发展方向。     

自适应粒子群优化算法在聚丙烯熔融指数预报上的应用

针对丙烯聚合生产控制中聚丙烯熔融指数在线测量的控制要求,以及过程变量间相关性高的特点,提出一种基于自适应粒子群优化算法和径向基函数神经网络的聚丙烯熔融指数预报新方法。该方法采用变参数的自适应粒子群优化算法提高优化算法的效率和收敛性,并且融合了主成分分析、统计建模以及智能优化方法,从而降低了预报模型的复杂度。提出了一种基于径向基函数神经网络的统计预报模型的参数优化和结构优化方法。使用该统计模型对工厂实际生产过程进行预报,并与国内外相关研究报道相比较,表明了本文所提出的预报方法的有效性和更高的准确性。     

基于时间序列的多岛遗传算法在水泥窑中的应用

研究时间序列在水泥回转窑中的建模问题,水泥回转窑熟料的煅烧是一个涉及物理、化学反应的复杂多变量、多扰动非线性过程.针对最小二乘在多参数高阶时间序列模型中难以寻找到较好的系数组,从而不能建立较精确的时间序列模型的情况,采用传统遗传算法也很难寻找出最优参数组,当利用多岛遗传算法对其进行参数寻优时,只要适当地设置算法里的一些关键参数即能得出满意的组解.实验结果表明：经过多岛遗传算法寻优得出的参数建立的时间序列模型,其拟合度满足模型曲线的精度要求.     

基于关联变量时滞分析卷积神经网络的生产过程时间序列预测方法

生产过程通常具有大时滞、非线性、多变量耦合等特点,往往难以建立准确的时间序列预测模型。基于生产过程历史数据,提出了一种采用关联变量时滞分析卷积神经网络(CNN)的生产过程时间序列预测方法,首先选取合适的关联变量并对关联变量与输出进行时滞分析,然后利用时滞分析结果确定关联变量时间窗的大小,最后建立合适的CNN模型对时间序列进行预测。某反应精馏过程实验表明,此方法对于大时滞系统的长步长时间序列预测具有较好的准确性。     

免疫PSO_WLSSVM最优聚丙烯熔融指数预报

熔融指数（MI）是聚丙烯生产的重要指标,建立可靠的熔融指数预报模型非常重要。针对标准粒子群算法(PSO)在迭代过程中易出现粒子过早收敛而陷入局部最优的缺陷,通过引入免疫系统的抗体选择机制,构造了一种基于免疫机制的免疫粒子群优化算法(ICPSO),来保持更新粒子的多样性,从而克服标准粒子群算法过早收敛的缺陷;然后利用ICPSO方法对鲁棒最小二乘支持向量机预报模型(WLSSVM)进行参数寻优,得到最优的ICPSO_WLSSVM预报模型。以实际聚丙烯生产的熔融指数预报作为实例进行研究,结果表明所提出的ICPSO_WLSSVM模型的有效性和良好的预报精度。     

基于关联变量时滞分析卷积神经网络的生产过程时间序列预测方法

生产过程通常具有大时滞、非线性、多变量耦合等特点,往往难以建立准确的时间序列预测模型。基于生产过程历史数据,提出了一种采用关联变量时滞分析卷积神经网络（CNN）的生产过程时间序列预测方法,首先选取合适的关联变量并对关联变量与输出进行时滞分析,然后利用时滞分析结果确定关联变量时间窗的大小,最后建立合适的CNN模型对时间序列进行预测。某反应精馏过程实验表明,此方法对于大时滞系统的长步长时间序列预测具有较好的准确性。     

基于时间序列ARMA模型的拱桥施工变形预测

为了促进时间序列分析方法在桥梁施工监测中的应用,利用时间序列ARMA模型对某特大桥主桥施工监控过程中主拱肋控制点变形数据进行分析,预测了后续主拱肋施工阶段的变形情况,并与实测数据进行比较。结果表明,时间序列ARMA模型在桥梁施工中预测拱肋变形具有较高的精度和可靠性,为桥梁施工的控制和监测提供了有效的手段。该研究成果说明时间序列分析方法可大大地改善参数的估计精度,提高模型的预测效果。     

汽-液-固流动沸腾系统混沌时间序列的遗传算法全局建模

与系统的平均特性建模研究相比,系统的时间序列建模工作更富挑战性,也更具有意义.最近的研究表明,汽-液-固三相流动沸腾系统的动力学行为具有混沌特征,因此,本文从非线性视角出发,开展系统物理量的时间序列建模研究.根据实验测得的反映系统非线性演化信息的汽-液-固三相流动沸腾系统的壁温时间序列数据,采用遗传算法全局建模方法,建立了描述该系统非线性动力学行为的时间序列迭代形式的数学模型,并将模型计算结果与实验数据进行了比较.结果表明,采用遗传算法全局建模方法所建立的模型,能够较好地描述汽-液-固三相流动沸腾系统的非线性动力学行为,模型计算值与实验数据吻合良好.     

一种在线辨识扰动模型的MPC控制器及其在溶剂脱水塔装置中的应用

提出一种滚动时域伪线性回归（MHPLR）算法,不仅降低了算法对检测噪声的敏感程度,而且无须在线求解优化命题,计算负担小。利用MHPLR在线估计一个时间序列模型来描述DMC控制系统不可测扰动的动态特性。将对扰动的预报应用到DMC算法当中,以改善因原误差校正策略而导致的抗扰性能不佳的情况,并以状态空间形式给出了改进后DMC算法的表达式。将改进的DMC控制器应用到某公司的PTA溶剂脱水塔装置上,提升了控制品质,稳定了生产并降低了酸耗。算法的有效性得到了验证。