”
变频数理统计算法 以及建立在 Bellman
“
”
动态规划理论基础上的 炉温控制偏微分方程与神经网络算法 这
两个基本数学模型。
二次指数平滑法时间序列建模简介
指数平滑模型是由移动平均法的时间序列模型改进而来的,而二次指数平滑法则是建立在一次指数平滑法的
基础上的。在移动平均法的时间序列建模中,一次移动平均默认
EMBED Equation.DSMT4 期之前
的数据对未来值没有影响,而前
EMBED Equation.DSMT4 期的数据对未来值的影响一致,因此取
一样的加权系数;而在二次以及更高次的移动平均法时间序列模型中,加权系数结构设计虽然比较复杂,但
都会保持对称性,即处于中间的历史观测值占较大权重,这无疑不符合系统动态性的特点。一次指数平滑模
型针对这点进行了很好的改进,使得历史数据对未来值的影响权重是随时间间隔的增加而递减的。
设时间序列为
EMBED Equation.DSMT4
,
EMBED Equation.DSMT4 为加权系数,
EMBED Equation.DSMT4
,令
EMBED Equation.DSMT4
为第
EMBED
Equation.DSMT4 期一次指数平滑加权值,则一次指数平滑的递推公式为:
EMBED Equation.DSMT4 .
我们不妨对上式中的递推项依次展开,可得:
EMBED Equation.DSMT4 .
由上式可见
EMBED Equation.DSMT4
是全部历史数据的加权平均,加权系数分别为
EMBED
Equation.DSMT4
,符合指数规律,具有平滑数据的功能;且由于
EMBED Equation.DSMT4
,加权系数随时间间隔的增加而递减,符合我们对加权系数的要求。
用上述的第
EMBED Equation.DSMT4
期平滑值对第
EMBED Equation.DSMT4 期数据进
行预测,即一次指数平滑法的预测模型为:
EMBED Equation.DSMT4 .
若直接用一次指数平滑法对炉温[Si]进行预测,则会产生非常明显的滞后偏差。为了对这种滞后偏差进行
修正,应利用滞后偏差的规律建立趋势移动模型,在原一次指数平滑法的基础上进行修正,采用二次甚者三
次的指数平滑法。在本文中,我们采用二次指数平滑法,即在原一次指数平滑法中加入直线趋势移动模型
(实验证明,采用二次指数平滑法的预测效果最佳)。其递推公式为:
EMBED Equation.DSMT4 .
其中
EMBED Equation.DSMT4
为一次指数的平滑值,
EMBED Equation.DSMT4 为二次
指数的平滑值。
对于时间序列
EMBED Equation.DSMT4 ,可设有直线趋势模型:
EMBED Equation.DSMT4 ,
其中
EMBED Equation.DSMT4
为当前时期数,
EMBED Equation.DSMT4
为由
EMBED
Equation.DSMT4
至预测期的时期数,
EMBED Equation.DSMT4
为截距,
EMBED
Equation.DSMT4 为斜率,由递推公式可推导得:
EMBED Equation.DSMT4
参考文献
[1] 刘祥官,流芳,高炉炼铁过程优化与智能控制系统[M]. 北京:冶金工业出版社,2005 年 8 月。
[2] 周传典,高炉炼铁生产技术手册[M]. 北京:冶金工业出版社,2002 年 8 月。
[3] A.列尔涅尔(著),刘定一(译),控制论基础[M]. 北京:科学出版社,1980 年 4 月。
[4] 王雨田,控制论、信息论、系统科学与哲学(第二版)[M]. 北京:中国人民大学出版社,1988 年 3 月。
[5] Henrik Saxen, Frank Pettersson, Nonlinear Prediction of the Hot Metal
Silicon Content in the Blast Furnace[J]. ISIJ International, Volume 47, Number
12, pp. 1732-1737. (2007)
[6] T. Miyano, S. Kimoto, Timeseries analysis and prediction on complex
dynamical behavior observed in a blastfurnace[J]. Physica D: Nonlinear
Phenomena, Volume 135, Issues 3-4, pp. 305-330. (2000.1)
[7] 刘祥官,流芳,高炉过程优化与智能控制模型[J]. 高校应用数学学报 A 辑,pp. 462
~ 470.
(2001. 16)
[8] Henrik Saxen, Frank Pettersson, Evolving Nonlinear?Time-Series?Models of the
Hot Metal Silicon Content in the?Blast?Furnace[J]. Materials and Manufacturing
Processes, Volume 22, Issues 5, pp. 577-584. (2007.5)
[9] 国宏伟,高学东,多维时序模糊关联规则在高炉炉温预报中的应用[J]. 北京科技大学学报,第 30 卷
第 5 期,pp.553-557. (2008.5)
[10] 张铮,杨文平,MATLAB 程序设计与实例应用[M]. 中国铁道出版社,2003 年 11 月。
[11] 张善文,雷英杰,冯有前,MATLAB 在时间序列分析中的应用[M]. 西安电子科技大学出版社,2007
年 4 月。
[12] 何书元,应用时间序列分析[M]. 北京大学出版社,2009 年 10 月。
[13] Karl J. Friston, Steven Williams, Movement-Related effects in fMRI time-
series[J]. Magnetic Resonance in Medicine, Volume 35, Issues 3, pp. 346-355.
(1996.3)