研究表明，泄漏电流的各种电气特征量除了与绝缘子表面的污秽状况有关外，还受温度、湿度等环境因素的影响，并且与各因素之间存在着复杂的非线性关系。因此，绝缘子在线监测系统通过单一检测泄漏电流的大小来评定表面污秽状况是不科学的。文中在实验室模拟试验和现场实测数据基础上，利用最小二乘支持向量机这种新的机器学习工具，分别用2种核函数建立了以泄漏电流有效值、泄漏电流峰值、泄漏电流脉冲频度、环境湿度、温度等5个变量作为输入参数，污秽程度作为输出参数的评定模型，超平面参数通过交叉检验的方式确定。实验结果表明，最小支持向量机具有很好的学习、分类和泛化能力，且对于污秽程度评定问题选用RBF核函数相对于多项式核函数有更高的判别准确率。