Se propuso un nuevo modelo de máquina de vectores de soporte de mínimos cuadrados (LSSVM) robusta basada en una corrección adaptativa en línea para resolver el problema de la adaptación a diferentes condiciones de trabajo y la baja robustez al utilizar datos de campo. Este método utiliza el tamaño total del error de pronóstico como umbral, actualizando automáticamente los parámetros en función de las diferentes condiciones de trabajo, mejorando así la adaptabilidad del modelo a los datos; al mismo tiempo, el modelo utiliza la pertenencia difusa para asignar pesos dinámicos al cuadrado de error en el problema de optimización de la máquina de vectores de soporte, reforzando la capacidad del modelo para resistir el ruido. Este método se aplicó a datos reales de una planta de energía para predecir el volumen de viento, y se comparó con el modelo LSSVM clásico, los resultados mostraron que el modelo construido por este algoritmo era robusto y preciso. Este modelo puede satisfacer la previsión y la estimación en tiempo real de los datos en diferentes condiciones de trabajo, proporcionando un excelente soporte de datos para diversos sistemas de monitoreo en línea.

Control adaptativo en línea; Robustez; Máquina de vectores de soporte de mínimos cuadrados; Pertenencia difusa; Volumen de viento; Medición suave