TGARCH模型预测高炉铁水硅质量分数

为了更好地反映高炉铁水硅质量分数序列的高波动特性,利用门限广义自回归条件异方差（TGARCH）模型对硅质量分数序列进行预测.应用Portmantea Q检验、拉格朗日乘子检验以及非对称项系数显著性检验,验证了高炉铁水硅质量分数序列存在异方差性和非对称性.在此基础上将TGARCH模型应用于高炉铁水硅质量分数预测,采用极大似然估计法确定参数,建立TGARCH(1,1,1)预测模型,并采用命中率和误差率2种评价准则对预测结果进行分析.这种方法克服了以往模型没有考虑序列非对称性影响的缺陷,更加适合于高炉铁水硅质量分数的预测.将预测模型应用于包钢6号高炉,取得了较好的预测效果.     

时序模型在股市中的应用

借助计算机程序来克服这些困难,实现预测的快捷、简便和准确．这在计算机日益普及的今天,无疑会对股票投资有现实的指导作用。     

单变量ARIMA模型的铁水钛含量预报

以某大型钢铁企业四号高炉为背景,针对其钛含量采样周期不固定的特点,提出了利用三次样条函数对采样数据序列进行等间距化处理,再利用ARIMA模型进行建模及预测的综合方案.利用Visual C++及SPSS对方案进行了模拟实验.结果表明:该方案预测精度高,符合工艺要求,实现简单,适于在线运行.     

高炉硅含量预测控制的时间序列混合建模

根据时间序列原理，对铁水硅质量分数w(Si)序列的动态特性进行了分析，找出了其主体成分.综合炼铁工艺理论和6号高炉炼铁现场的实际情况，对影响铁水硅质量分数w(Si)的各个因素进行了典型相关分析，确定了w(Si)的主要影响因素为：料速、风量、喷煤、透气性、富氧率、铁水物理温度和渣碱度.建立了由AR(2)、状态变量和控制变量混合构成的w(Si)预测控制的传递函数模型.使用包钢6号高炉生产数据验证表明，此模型克服了以往炉温控制模型把炼铁理论和统计知识分离的缺点，炉温预报的命中率高达84%，预测控制取得了较好的效果.     

基于ARIMA模型的宁波生活用电总量的实证分析

在现在的科技化社会,电与每个人息息相关,对用电量进行预测并做好调配控制是不可或缺的。通过1978—2011年宁波市生活用电总量数据,利用时间序列分析的方法,对用电量进行建模,发现其内在的规律性。结果显示:宁波生活用电量数据服从异方差的ARIMA(2,2,0)模型,通过该模型对未来几年的用电量进行预测,可以为政府制定相应的政策提供一定的依据。     

高炉炉温与铁水硅含量的推算及其应用

在既定冶炼条件下,依据炉缸内硅还原反应平衡的热力学原理,导出炉温定量推算式及铁水中硅含量解析式,其结果与实际数据具有良好的对应关系,该式可用于现场推算炉温、硅量调控时参考。     

北京市城镇居民消费函数模型

运用数理统计的Rp^2准则,简单、直观地确定了北京市城镇居民消费函数模型,并从计量经济学角度,结合消费函数的经济理论,通过对模型经济意义检验、统计检验,计量经济学检验以及模型预测检验等过程,对模型反复修正与改进,最终得到了与绝对收入假说下的消费模型相一致的北京市城镇居民消费模型,对所得模型进行预测检验,结果显示,计量经济模型较Rp^2所得模型更为合理、精确,对制定相关经济政策更具指导意义。     

综合Winters模型和ARMA模型预测GDP

以广东省GDP的时间序列数据为依据，分别应用Winters模型和ARMA模型以及加权综合这两个模型的方法对其进行季度性GDP值的短期预测，通过比较由不同方法得出的预测结果的绝对百分误差的大小，选择出绝对百分误差最小的方法．     

组合模型对股票价格预测的比较研究

股票价格预测向量是投资者、分析家以及很多学者所关注研究的对象,传统的预测模型已发展得比较成熟,而近年产生的新型统计学习理论也逐渐成为了预测的工具,比如神经网络,支持向量机等。对三种传统与新型模型混合的组合模型（ARIMA、GARCH、SVR）进行预测,并比较分析,得到一定的结论。     

上证指数的非线性动态结构分析

采用高阶自回归条件异方差(ARCH)模型检验了上证指数的统计性质.GARCH-M(3,4)模型,TARCH-M(3,4)模型和EARCH-M(3,4)模型成功描述了上证指数的非线性动态结构及条件均值和条件方差下的不对称性.GARCH-M(3,4)模型的拟和效果较之后两个模型更好.     

铁水含硅量预报与控制模型的研究

以高炉的综合煤气成分，渣铁温度及炉料装入情况作为主要参数，建立铁水含硅量预报与控制的数学模型，提出了生铁含硅变动量的计算公式。该模型取用参数较少，易于掌握操作，可以做到早预报，快预报和准确预报，有助于实现高炉冶炼过程的控制。     

铁水含硅量预报模型

通过高炉现场实际情况的调查研究,依据高炉基本原理、炉料在炉内的运行状况、炉顶煤气成分分析及CO对铁氧化物间接还原度的计算,提出了一个能够较早确定铁的直接还原度,进而推算铁水硅含量的模型,实现对铁水含硅量的预报.     

高炉铁水硅质量分数的非线性检验

为检验硅质量分数w(Si)的非线性特征，以邯郸钢铁公司7号高炉在线采集的2000炉铁水的w(Si)数据作为母体样本空间，首先运用替代数据法对w(Si)时间序列做非线性定量检验；针对替代数据法容易受系统噪声和时间序列自相关程度影响的缺点，根据信息论冗余图像法进一步对w(Si) 序列做非线性定性判别；通过与典型的线性自回归模型和混沌Lorenz模型的冗余图像的比较，指出w(Si)序列的非线性并非是噪声引起的平凡非线性，而是高炉冶炼内在机理决定的本质非线性，为应用非线性模型对炉温做预测和控制建立理论了依据     

加热室炉温控制数学模型的研究

本文介绍了等效简化ＣＡＰＬ加热室带钢的加热过程，并据此建立了物理模型和数学模型。在此基础上又通过建立带温前馈控制数模和综合炉温计算数模，进行了加热室加热过程的计算仿真。结果获得了ＳＰＣＣ 钢优化的带钢升温曲线和炉温曲线；确定了综合传热系数ＦＨｘｃ；得出了炉温和带速与带温的相关关系。     

A chaos genetic algorithm for optimizing an artificial neural network of predicting silicon content in hot metal

A genetic algorithm based on the nested intervals chaos search (NICGA) has been given. Because the nested intervals chaos search is introduced into the NICGA to initialize the population and to lead the evolution of the population, the NICGA has the advantages of decreasing the population size, enhancing the local search ability, and improving the computational efficiency and optimization precision. In a multi-layer feed forward neural network model for predicting the silicon content in hot metal, the NICGA was used to optimize the connection weights and threshold values of the neural network to improve the prediction precision. The application results show that the precision of predicting the silicon content has been increased.     

沉降预测的多层递阶时间序列模型研究

为了研究沉降模型中参数的时变特性，提出了多层递阶时间序列模型，该模型将沉降预测分为预测模型参数的预测和在此基础上的沉降预测两部分.采用参数递推公式计算沉降时间序列模型的参数序列，并根据计算出的参数序列构建其时间序列预测模型.依此类推，可建立多层参数的预测公式，直至认为参数不随时间变化为止，然后根据参数预测结果来预测后期沉降.实例分析和计算表明，多层递阶时间序列模型能较好地反映参数的时变特性，取得较精确的沉降预测结果.     

Work roll thermal contour prediction model of nonoriented electrical steel sheets in hot strip mills

The demands for profile and flatness of nonoriented electrical steels are becoming more and more severe. The temperature field and thermal contour of work rolls are the key factors that affect the profile and flatness control in the finishing trains of the hot rolling. A theoretic mathematical model was built by a two-dimensional finite difference to calculate the temperature field and thermal contour at any time within the entire rolling campaign in the hot rolling process. To improve the calculating speed and precision, some special solutions were introduced, including the development of this model, the simplification of boundary conditions, the computation of heat transfer coefficient, and the narrower mesh along the edge of the strip. The effects of rolling pace and work roll shifting on the temperature field and thermal contour of work rolls in the hot rolling process were demonstrated. The calculated results of the prediction model are in good agreement with the measured ones and can be applied to guiding profile and flatness control of nonoriented electrical steel sheets in hot strip mills.     

热轧带钢精轧过程的混合温度模型

结合现场数据采集系统的实测数据,应用差分法替换精轧温度设定系统中计算误差较大的轧制传导温度模型,根据带钢各层温度的分布特点提出变长和变厚度网格划分的方法;对原精轧温度设定系统中空冷温降模型的辐射系数进行离线的钢种和厚度等级修正,并建立新的指数水冷温降模型,在线调整对流换热系数.由此构建的混合温度模型在保证计算速度的同时大幅度提高了预测精度.为满足现场生产精度和稳定性的需要,采用“接力式”初始化训练方法,建立了神经网络自学习系统.结果表明,改造后精轧温度设定系统的预测精度比原系统高,并且在变钢种、变规格轧制时误差波动小.