本發(fā)明提供一種基于改進(jìn)支持向量機(jī)回歸算法的變壓器故障檢測方法，采用化學(xué)反應(yīng)優(yōu)化算法優(yōu)化最小二乘支持向量機(jī)回歸模型中的懲罰參數(shù)和核寬因子，適應(yīng)性的調(diào)整模型內(nèi)的參數(shù)，利用最小二乘支持向量機(jī)回歸模型對變壓器數(shù)據(jù)進(jìn)行預(yù)測，生成樣本數(shù)據(jù)的點(diǎn)預(yù)測結(jié)果并估計(jì)在置信度下的預(yù)測區(qū)間，構(gòu)建基于TrAdaBoost算法的深度信念網(wǎng)絡(luò)模型作為故障診斷模型提取變壓器參數(shù)的深度特征，實(shí)現(xiàn)對變壓器故障的分類預(yù)測，本發(fā)明方法不依賴于大量樣本數(shù)據(jù)進(jìn)行預(yù)測分析，利用TrAdaBoost算法優(yōu)化深度信念網(wǎng)絡(luò)模型大大提高了分類器的分類效率，也降低了采集成本。