[发明专利]基于VAR多元时间序列的锌锅铁渣含量预测方法

说明书

本发明提供了一种基于VAR多元时间序列的锌锅铁渣含量预测方法，包括以下步骤，选取某锌锅内连续生产的工艺参数数据，包括采集时间、锌浴温度、总铝含量、带钢速度、铁渣含量等；构建样本数据集；建立向量自回归模型的锌锅铁渣含量预测模型；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。本发明基于向量自回归模型的铁渣含量预测模型具有较好的预测能力，且稳定性较高，具有可信度和推广价值。

技术领域

本发明涉及热浸镀锌技术领域，具体是一种基于VAR多元时间序列的锌锅铁渣含量预测方法。

背景技术

热镀锌的生产过程中，不可避免会产生锌渣。铁渣由于其质量分数较大，会沉积在锌锅底部，降低锌锅使用寿命；还会在沉没辊和稳定辊上不断积累，在带钢表面形成压痕，降低带钢镀锌质量；此外，铁渣还会悬浮在锌液中会对锌渣清理带来困难。分析铁渣含量的变化趋势以及影响因素，对抑制锌渣生成，提高镀锌质量具有重要意义。

向量自回归(VAR)方法是一种多变量数据分析方法。该模型直接考虑时间序列中各变量间的关系，采用多个方程联立的形式，把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，模型的每一个方程中，内生变量对模型的全部内生变量的滞后值进行回归，进而估计全部内生变量的动态关系并进行预测。VAR模型不仅可以进行预测，还可以分析系统内变量之间的影响，在分析多变量构成的系统时具有明显优势。

发明内容

本发明为了解决现有技术的问题，提供了一种基于VAR多元时间序列的锌锅铁渣含量预测方法

本发明提供了一种基于VAR多元时间序列的锌锅铁渣含量预测方法，包括以下步骤：

步骤1：选取某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；

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。