文摘由于日益增长的运行安全需求,数字化和智能化的核电厂状态监测变得越来越重要。为了解决核电数据缺乏清晰的数据标签,影响模型精度的问题,提出了一种基于最大相关熵准则(Maximum Correntropy Criterion,MCC)加权的最小二乘法支持向量(Least squares support vector regression,LSSVR)回归方法。首先,提取容积控制箱(Volume Control Tank,VCT)相关变量的数据并进行预处理;其次,利用MCC加权的LSSVR方法来建立VCT液位回归模型;最后,结合上述模型的回归值和真实值判断是否出现异常。实验结果表明,基于MCC加权的LSSVR方法相较于普通的LSSVR方法,其能够更有效的抑制训练数据中的异常,从而提高模型的鲁棒性,并能够准确地检测出测试集中的异常数据。
