[发明专利]一种基于自回归模型的光纤测温系统警报风险预测方法

权利要求书

1.一种基于自回归模型的光纤测温系统警报风险预测方法，利用光纤探测对温度进行检测，包括如下步骤：

1)温度时间序列采集：持续采集温度时间序列，将每n个连续的检测点作为一个数组；

2)对数组进行白噪声检测，当数组为非白噪声时，则对其进行平稳性检验；

3)对温度时间序列做平稳性检验，若经过检验判定为非平稳，则对数组进行的平稳化处理，并进入步骤2中再次进行白噪声检测；若经过检验判定为平稳，则建立回归模型；

4)建立回归模型，并计算模型参数；

5)对计算出的模型参数进行检验，若检验通过，则得到拟合后的模型；否则进入步骤4；

6)根据回归模型，预测该数组后续时间t内的温度数据；

7)根据步骤6得到的温度数据，如果存在超过报警阀值的数超过设定的比例，则可认定为高风险。

2.根据权利要求1所述的基于自回归模型的光纤测温系统警报风险预测方法，其特征在于：通过LB检验白噪声算法，假设数据不是独立的，即至少存在某个其中i≤m，算法公式如下：

其中T是样本容量，m是人为设定的一个数量，是i阶滞后的自相关系数；

在原假设成立的条件下，Q(m)服从自由度为m的卡方分布，给定显著性水平α，则拒绝域是

3.根据权利要求1或者2所述的基于自回归模型的光纤测温系统警报风险预测方法，其特征在于：平稳性检验采用均值判断，假设x(t)为时间序列，如果其均值Ex(t)＝m为常数值，则此时间序列是平稳的。

4.根据权利要求1或者2所述的基于自回归模型的光纤测温系统警报风险预测方法，其特征在于：自回归模型的参数估计采用最小二乘法估计：

假设步骤1采集到的时间序列为：{x_t}，当j≥p+1时，白噪声ε_j的估计为：

通常称为残差，此时评估一组参数，使残差值平方和最小化；

参数平方和计算公式如下：

假设

得到如下线性方程组

Y＝Xa+ε

通过解线性方程组并对a求导，得到参数a的最小二乘估计为：

5.根据权利要求1所述的基于自回归模型的光纤测温系统警报风险预测方法，其特征在于：对计算出的模型参数a_j(j＝1,...,p)进行检验，检验统计量为t统计量：

在给定的显著水平a下，当检验统计量T大部分位于分点t_1-a/2，或该统计量的P值小于a时，则可以以1-a的置信水平拒绝原假设，认为模型参数显著；反之，则不能显著拒绝参数为0的假设。