基于小波分析的氧化铝配料过程非平稳时间序列预测

发布时间：2017-05-16 15:01

  本文关键词：基于小波分析的氧化铝配料过程非平稳时间序列预测，由笔耕文化传播整理发布。

【摘要】：生料浆配料是烧结法氧化铝生产的第一道工序,其配制的生料浆指标的好坏不仅会影响整个工艺流程的碱平衡和水平衡,而且会关系到最终产品氧化铝的质量,所以生料浆的配制至关重要。在实际的配料过程中,为了降低能耗和提高对原料的利用率,往往会将后续脱硅环节的硅渣返回到配料工序。然而,硅渣成分含量波动很大,检测结果严重滞后,致使配比不能及时、准确地调整,生料浆合格率低。因此,研究如何建立有效的硅渣成分预测模型以实现实时预测就显得尤为重要。本文以某氧化铝厂的生料浆配料过程为背景,主要研究了返料硅渣成分混合预测模型的搭建、分析及预测。主要研究工作如下:(1)针对返料硅渣时间序列的特点,综合采用样本自相关、DF和ADF三种检测方法,判定硅渣成分时间序列的平稳性,分析其短期和长期的变化趋势和规律。研究选取最优小波函数及合理的分解层数,进行小波多尺度分解。(2)根据不同尺度上的数据特点,分别构建不同的预测模型,波动性较大的高频序列采用经典ARMA模型,波动平缓的高频采用BP神经网络,而对趋势性明显的低频采用非季节Holt-winter模型,然后着重对模型参数进行优化及进行对应序列的预测。(3)将不同频率的所有预测结果进行小波重构,提出一种混合预测模型结构,并将重构后的预测效果与其他预测方法进行比较。预测和对比结果表明,基于小波分析的混合预测模型能够快速预测硅渣成分含量,相比其他的方法具有更好的预测精度,在烧结法氧化铝生产过程中有较强的实用价值。
【关键词】：时间序列 BP神经网络 混合预测模型 小波分析 ARMA模型 配料过程
【学位授予单位】：湖南工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TQ133.1;O174.2
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 绪论9-16
• 1.1 研究背景及意义9-11
• 1.2 时间序列预测的研究现状11-13
• 1.3 小波分析方法的应用现状13-14
• 1.4 本文的研究内容和结构安排14-16
• 第二章 生料浆配料过程中的时间序列参数16-24
• 2.1 配料过程工艺简介16-21
• 2.2 时间序列参数及其特点21-22
• 2.3 时间序列参数预测思想的提出22-23
• 2.4 本章小结23-24
• 第三章 时间序列参数的平稳性检测24-30
• 3.1 时间序列分析和平稳性24-25
• 3.1.1 时间序列分析24-25
• 3.1.2 时间序列的平稳性25
• 3.2 时间序列平稳性判断分析及检测方法25-27
• 3.3 配料过程时间序列参数的非平稳性检测27-29
• 3.4 本章小结29-30
• 第四章 小波分析理论及小波函数的选取30-40
• 4.1 小波分析理论30-32
• 4.2 小波变换32-34
• 4.2.1 连续小波变换32-33
• 4.2.2 离散小波变换33-34
• 4.2.3 小波变换的特点34
• 4.3 多分辨分析34-37
• 4.3.1 多分辨概述35-36
• 4.3.2 小波分解与重构36-37
• 4.3.3 小波函数选取的一般原则37
• 4.4 非平稳时间序列预测的小波函数选取37-39
• 4.5 本章小结39-40
• 第五章 非平稳时间序列混合预测模型及参数优化40-54
• 5.1 混合预测模型结构40-41
• 5.2 ARMA模型41-44
• 5.2.1 ARMA模型理论概述41-42
• 5.2.2 ARMA模型与参数优化42-43
• 5.2.3 高频序列的ARMA模型43-44
• 5.3 BP神经网络44-49
• 5.3.1 BP神经网络理论概述44-48
• 5.3.2 高频序列的BP神经网络模型48-49
• 5.4 HOLT-WINTER非季节模型49-50
• 5.5 结果验证与仿真比较50-53
• 5.6 本章小结53-54
• 第六章 结论与展望54-56
• 6.1 结论54-55
• 6.2 展望55-56
• 参考文献56-60
• 攻读学位期间的主要研究成果60-61
• 致谢61

【参考文献】

中国期刊全文数据库 前9条

1 ;Image denoising using statistical model based on quaternion wavelet domain[J];Computer Aided Drafting,Design and Manufacturing;2012年02期

2 LU Xiao-li;;Analysis and Prediction of Rural Residents’ Living Consumption Growth in Sichuan Province Based on Markov Prediction and ARMA Model[J];Asian Agricultural Research;2012年10期

3 ;Forecasting China′s Stock Market Volatility Using Non-Linear GARCH Models[J];Journal of Systems Science and Systems Engineering;2000年04期

4 ;Empirical Likelihood for AR-ARCH Models Based on LAD Estimation[J];Acta Mathematicae Applicatae Sinica(English Series);2012年02期

5 ;Water quality forecast through application of BP neural network at Yuqiao reservoir[J];Journal of Zhejiang University(Science A:An International Applied Physics & Engineering Journal);2007年09期

6 王凤碧,黄均才,周明天;Video Watermark Using Multiresolution Wavelet Decomposition[J];Journal of Electronic Science and Technology of China;2005年02期

7 汪新凡;小波基选择及其优化[J];株洲工学院学报;2003年05期

8 侯福平;李野;许晶;张红;;基于ARMA模型的我国“十二五”时期中成药工业产值预测分析[J];中国新药杂志;2013年01期

9 李春风;柳振江;王建平;宓奎峰;刘瑞斌;;我国铝矿资源现状分析及可持续发展建议[J];中国矿业;2014年08期

  本文关键词：基于小波分析的氧化铝配料过程非平稳时间序列预测，，由笔耕文化传播整理发布。

本文编号：371133