自回归求和滑动平均方法用于间歇过程变量在线预测.pdfVIP

第 48卷 第 2期 石 油 化 工 自 动 化 Vo1．48，No．2 2012年 4月 AI兀DMAT10N IN PETR()_CHEM AI．INDUSTRY April，2012 自回归求和滑动平均方法用于 间歇过程变量在线预测 刘兴红，邹志云，刘景全，郭宇晴，于鲁平 (防化研究院，北京 102205) 摘要：间歇过程变量的在线预测是一种重要的生产过程质量控制手段。实现间歇过程变量的在线预报需要对过程以往的批 次数据建立预测模型，即需挖掘批次间和批次内的数据信息。针对间歇过程数据不同批次不等长、数据长度短、非线性等特点， 采用数据重构—— 自回归求和滑动平均方法建立其在线预测模型：将收集到的间歇过程变量以批次为单位进行数据平滑；对 这些批次数据按照随机的顺序首尾相接，组成长数据集；对于批次连接处数据跳跃的情况，采用后面所有批次数据减去上一批 次的最后一个值，以实现数据的平滑；采用 自回归求和滑动平均方法建立数据模型，并用于间歇蒸馏温度的在线预报。采用该 方法建立的4步预测模型对某间歇蒸馏过程上升气温度的预测均方差较小，符合生产现场的预测要求。 关键词 ：间歇过程 自回归求和滑动平均 非线性时间序列预测 中图分类号：TP273 文献标志码 ：A 文章编号：1007—7324(2012)02—0041—04 OnlinePredictionofBatchProcessVariablesUsingDataReconstruction- AutoregressiveIntegratde M ovingAverageMethod LiuXinghong，ZouZhiyun，LiuJingquan，GuoYuqing，YuLuping (ResearchInstituteofChemicalDefence，Beijing，102205，China) Abstract：Onlinepredictionofbatchprocessvariablesisanimportantqualitycontrolmeansfor productionprocess．Theproduction datawith previousbatchesare in need todevelop the prediction modelforrealizing online prediction ofprocessvariables，thatis to minethe relationshipamongdifferentbatchesand within thebatches．A nonlinearonlineprediction modelbased on data reconstruction-autoregressive integrated moving average method is proposedaccordingtothebatchprocessdatacharactersofnonlinearity，shortdatalengthand unequaldatalengthsofdifferentbatches．Thecollected batch processdataaresmoothedas batchunit．Allthesebatchdataarelinkedtoeachotherrandomlyfrom theverybeginningto theend，and form a long data collection．The uncontinuityoftwo continuousbatchesiS processedbysubtractingthelastdataofpreviousbatch torealizethedatasmooth．A data modelisdevelopedusingautoregressi