최소 제곱 지지 벡터 머신 (LSSVM)이 현장 데이터를 이용하여 모델링하는데 어려움을 겪고, 다양한 작업 조건에 적응하기 어려우며 로버스트성이 떨어지는 문제에 대해 온라인 적응 수정에 기반한 강인한 LSSVM 모델이 제안되었습니다. 이 방법은 총 예측 오차 크기를 임계값으로 사용하여 다양한 작업 조건에 따라 매개변수를 자동으로 업데이트하여 모델의 데이터 적응성을 향상시킵니다. 동시에 모델은 지지 벡터 머신 최적화 문제에서 오차 제곱 요소에 동적 가중치를 할당하는데 퍼지 소속을 사용하여 모델의 잡음 내성을 강화합니다. 이 방법은 발전소 실제 데이터를 사용하여 풍량을 예측하는 데 적용되었으며 일반적인 LSSVM 모델과 비교하여 이 알고리즘이 구축한 모델은 강력하며 정확도가 높음을 보여줍니다. 이 모델은 다양한 작업 조건에서 실시간 데이터 예측과 추정을 충족시키며 다양한 온라인 모니터링 시스템에 탁월한 데이터 지원을 제공할 수 있습니다.

온라인 적응 제어; 강인성; 최소 제곱 지지 벡터 머신; 퍼지 소속; 풍량; 부드럽게 측정