[发明专利]基于VAR多元时间序列的锌锅铁渣含量预测方法

权利要求书

1.一种基于VAR多元时间序列的锌锅铁渣含量预测方法，其特征在于包括以下步骤：

步骤1：选取某锌锅内生产的工艺参数；

步骤2：构建样本数据集,获取一段连续时间内锌锅区域的稳定生产数据；

步骤3：建立向量自回归模型的锌锅铁渣含量预测模型；

步骤3-1：将步骤2样本集各个变量进行平稳性检验；

步骤3-2：选取向量自回归模型的最优阶数；

根据样本数为的样本，确立其最大滞后阶数不超过，然后分别通过LR检验、AIC准则、FPE准则、SC准则和HQ准则确定其最佳滞后阶数，将被最多准则选为最优滞后阶数的阶数作为自回归系数p值，构建VAR(p)模型；

步骤3-3：基于最优阶数建立向量自回归模型，即锌锅铁渣含量的预测模型；

假设最优阶数为p，样本集为样本数为T，铁渣含量、总铝含量、锌浴温度、带钢速度为内生变量，构建向量自回归模型为：

Y_t＝β₁Y_t-1+…+β_pY_t-p+C+u_t,t＝1,2,...,T

其中，Y_t是由第t个铁渣含量、总铝含量、锌浴温度、带钢速度组成的向量；Y_t-p是Y_t的p阶滞后；C是4维常数项列向量，u_t表示随机误差项，β₁,…,β_p表示的待估计系数矩阵；

步骤3-4：基于最优阶数建立向量自回归模型，验证模型是否稳定，若不稳定则重新按照步骤三建模；

步骤4：通过脉冲响应分析影响因素对铁渣含量的影响，并根据模型预测未来铁渣含量的变化。

2.根据权利要求1所述的基于VAR多元时间序列的锌锅铁渣含量预测方法，其特征在于：步骤1所述的锌锅内生产的工艺参数包括采集时间、锌浴温度、总铝含量、带钢速度、铁渣含量。

3.根据权利要求1所述的基于VAR多元时间序列的锌锅铁渣含量预测方法，其特征在于：步骤2所述的构建样本数据集，从某工厂带钢热镀锌生产车间获取连续3-10天内锌锅区域的稳定生产数据，此时间范围内锌浴成分波动情况较为稳定。

4.根据权利要求3所述的基于VAR多元时间序列的锌锅铁渣含量预测方法，其特征在于：所述的步骤2具体为，将步骤1获取的数据集聚集到分钟层面，包括每5min的铁渣含量、带钢速度、总铝含量、锌浴温度，采用对步骤1的数据进行每5min采样或取每5min取均值的方法获取单个样本。

5.根据权利要求1所述的基于VAR多元时间序列的锌锅铁渣含量预测方法，其特征在于：所述的步骤3-1具体为，分别对样本集中的铁渣含量、总铝含量、锌浴温度、带钢速度进行平稳性检验，四个变量均通过平稳性检验后，进行后续步骤，若不平稳，对变量进行差分计算直至平稳性检验通过。

6.根据权利要求1或5所述的基于VAR多元时间序列的锌锅铁渣含量预测方法，其特征在于：所述平稳性检验采用ADF方法进行单位根检验。

7.根据权利要求1所述的基于VAR多元时间序列的锌锅铁渣含量预测方法，其特征在于：所述的步骤3-4具体为，对步骤3-3所建立的VAR(p)方程的特征根进行计算，若所有特征根均在单位圆内，即表明搭建的VAR(p)模型是稳定的，利用此模型进行后续的分析。