引用本文：
李博，许大鹏，李浩东，等. 基于特征迭代优选的OPGW光缆振动事件分类方法[J]. 光通信技术，2026，50（3）：102-106.
李 博1，许大鹏2，李浩东3，祝永坤2，尚 鑫1，丁仁杰2
（1.国网内蒙古东部电力有限公司 电力科学研究院，呼和浩特 010020； 2.国网内蒙古东部电力有限公司，呼和浩特 010020；3.长春理工大学，长春 130013）
【下载PDF全文】 【下载Word】摘要：针对光纤复合架空地线（OPGW）异常振动事件识别中特征相似度高、易误分类的问题，提出一种基于特征迭代优选的识别方法。该方法在极端随机树（ET）模型基础上引入迭代机制，结合误分类权重与节点不纯度构建特征重要性动态评估策略，并融合特征信息熵改进ReliefF算法以优化特征子集权重。实验结果表明：该方法在58维初始特征基础上经迭代优选降至33维，分类准确率达89.54%，召回率、精确率与F1分数均保持在89.8%以上，相较于朴素贝叶斯（NB）、支持向量机（SVM）、K近邻算法（KNN）等模型，各项性能指标提升7%~20%。
关键词：相位敏感光时域反射仪；ReliefF算法；权重优化；特征选择；分类
中图分类号：TN256 文献标志码：A 文章编号：1002-5561（2026）03-0102-05
DOI:10.13921/j.cnki.issn1002-5561.2026.03.017
本文提出了一种**基于特征迭代优选的光纤复合架空地线（OPGW）光缆振动事件分类方法**，旨在解决OPGW异常振动事件识别中特征相似度高、易发生误分类的问题。
以下是该论文的核心内容简要总结：
**1. 核心创新点与算法设计**
* **多维特征提取**：从时域、频域以及经集合经验模态分解（EEMD）后的时频域三个维度，全面提取了58维初始特征，构建了丰富的振动信号数据集。
* **动态特征重要性评估**：在极端随机树（ET）模型基础上引入迭代机制，结合误分类权重与节点不纯度，构建了特征重要性的动态评估策略，实现关键特征的精准筛选。
* **改进的ReliefF算法**：融合特征信息熵对传统ReliefF算法进行改进，利用每次迭代计算得到的特征重要性作为调节因子来优化特征子集权重，增强了模型对复杂振动模式的识别能力并有效降低过拟合风险。
**2. 关键实验结果**
* **特征降维效果显著**：在58维初始特征的基础上，经迭代优选将特征维度成功降至33维，在保留最关键信息的同时大幅降低了数据复杂度。
* **高精度分类表现**：优化后的模型分类准确率达到 **89.54%**，且召回率、精确率与F1分数均稳定保持在 **89.8%** 以上。
* **对比优势明显**：相较于朴素贝叶斯（NB）、支持向量机（SVM）、K近邻算法（KNN）、决策树（DT）和随机森林（RF）等经典基线模型，该方法的各项性能指标均提升了 **7%~20%**。
**3. 研究结论与应用前景**
* 该方法通过多轮特征选择和动态权重更新，有效识别出关键特征子集，成功克服了相似振动事件区分度低的难题，实现了高精度的事件分类。
* 研究成果为OPGW光缆振动监测提供了高效、鲁棒的特征处理与识别方案，对提升智能电网输电线路状态感知的实时性与可靠性具有明确的工程应用价值。