摘要：支持向量回归机（support vector regression,SVR）是近年来发展起来的一种通用的机器学习方法。目前已被广泛应用于工业、经济等很多领域,取得了良好的效果。但对于大规模非平稳数据的训练学习,会因为规模较大和样本长度选择的问题,影响到预测结果的精度。为了有效缩减训练样本长度,选择出合适的训练样本,提出基于信息熵的训练样本长度选择方法。该方法利用信息熵对数据的平稳性进行度量,从而选择出最平稳的数据进行学习。该方法不但减少了数据长度、节省了学习时间,同时也提高了预测结果的精度。

关键词：支持向量回归机 信息熵 故障诊断 状态预测 数据挖掘 

单位：电站设备状态监测与控制教育部重点实验室华北电力大学 河北省保定市071003