电缆老化状态评估主要有物理模型和统计模型两大类，物理模型一般用于电缆个体老化评估，但难以用于在线评估，统计模型一般用于电缆整体老化评估，无法评估个体状态。为建立电缆运行数据与电缆老化状态之间的关联关系，在线评估电缆个体老化状态，文中提出了基于机器学习的电缆老化状态评估方法，建立了Logistic回归和支持向量机这两种机器学习模型，采用十折交叉验证对模型准确率进行了评估，同时计算了模型的F

1-Score

。结果表明支持向量机采用多项式核时的总体样本准确率平均值为96%，高于Logistic回归；当召回率与精准度的权重比为1、2、0.5时，支持向量机的F

1-Score

得分均高于Logistic回归，支持向量机优于Logistic回归。