基于时间序列的纱线直径预测方法

王延蒙

(济宁职业技术学院，山东 济宁 272073)

0 引言

纱线质量常用的表征参数为条干不匀率，而纱线直径是计算纱线条干不匀的主要参数[1-2]。神经网络模型广泛应用于预测纱线质量：王侃枫等基于遗传规划的基本原理，建立纱线条干不匀率的非线性关系函数模型[3]；张羽彤等使用优选方法，选取4种对纱线条干不匀率影响最大的参数，并基于BP神经网络预测纱线质量[4]；王东平等基于关联度分析原理，建立支持向量机回归的纱线质量预测模型，在小样本容量下的拟合性好于BP神经网络[5]；杨建国等改进ELM算法，使用精梳工序的10个工艺指标作为输入参数，建立毛纱条干值的预测模型[6]；袁利华通过使用HVI检测系统选取输入层变量，建立基于RBF神经网络的纱线条干不匀预测模型[7]。

上述预测模型的预测结果经过与实际值对比，取得了较好的预测效果，但均是基于加工纱线工序的各项工艺参数进行预测。时间序列预测是基于对历史数据的分析，预测未来数据的变化情况。笔者提出一种基于时间序列预测纱线直径的模型，根据线阵CCD测量的纱线直径，建立比较精确的、反映纱线直径预测值和历史值关系的数学模型。

1 时间序列预测方法

使用线阵CCD对纱线直径在线实时测量，在相等间隔的时间段内测量的纱线直径值构成纱线直径的时间序列。时间序列预测方法，主要包括自回归模型(AR模型)、移动平均模型(MA模型)和自回归滑动平均模型ARMA(p，q)预测方法[8-9]。

纱线直径自回归模型预测的基本思想，是利用前期测量的纱线直径的线性组合来描述之后某时刻的纱线直径。……