一种基于改进SVM的火电站阀门内漏量智能识别方法

本发明实施例提供一种基于改进SVM的火电站阀门内漏量智能识别方法，该方法包括：采用火电站的疏水阀门运行时参数对应的数据构建得到训练样本集；基于Sobol序列和自适应高斯突变对开普勒优化算法KOA进行优化得到改进开普勒优化算法IKOA；采用多步滑动通过训练样本集训练SVM模型，采用改进开普勒优化算法IKOA对SVM模型的关键参数自寻优，将采用关键参数的最佳值构建的SVM模型作为阀门内漏量的智能识别IKOA‑SVM模型。采用Sobol序列对KOA的种群进行初始化实现局部搜索和全局搜索的最优化得到优化的IKOA‑SVM模型，实现火电站阀门内漏量智能识别。