[发明专利]一种基于子分类器权重投票的等离子体破裂预测方法

权利要求书

1.一种基于子分类器权重投票的等离子体破裂预测方法，其特征是按如下步骤进行：

步骤一、在托卡马克装置的放电结果中选择a次破裂放电D₁,....,D_p,....,D_a与b次非破裂放电S₁,....,S_q,....,S_b，并选取k个托卡马克装置放电过程中的诊断信号，其中，D_p代表第p次选择的破裂放电，S_q代表第q次选择的非破裂放电；将a次破裂放电D₁,....,D_p,....,D_a与b次非破裂放电S₁,....,S_q,....,S_b切分为m个时间片段d₁,d₂,....,d_i,....,d_m，其中，d_i表示i个切分出的时间片段，前n个时间片段d₁,d₂,....,d_n为破裂时间片段，后m-n个时间片段d_n+1,d_n+2,....,d_m为非破裂时间片段；

使用第i个时间片段d_i范围内的k个诊断信号分别进行y层小波包分解后，构成第i个时间片段d_i的特征向量集合其中，代表第i个时间片段d_i的第j个诊断信号经小波包分解后的2^y维特征向量，从而获得m个时间片段d₁,d₂,....,d_i,....,d_m的特征向量矩阵

步骤二、对所述m个时间片段d₁,d₂,....,d_i,....,d_m的特征向量矩阵X的行向量进行N次有放回抽样，获得m个时间片段d₁,d₂,....,d_i,....,d_m的N个相互独立的特征向量子矩阵，记为Y₁,Y₂,....,Y_l,....,Y_N；其中，Y_l表示第l次抽样得到的特征向量子矩阵；l＝1,2,…,N；

步骤三、使用第l次抽样得到的m个时间片段d₁,d₂,....,d_i,....,d_m的特征向量子矩阵Y_l训练基于机器学习的第l个子分类器，从而获得第N个训练好的子分类器；

步骤四、在托卡马克装置的放电结果中重新选择与a'次破裂放电D₁',....,D_p′′,....,D_a′′与b'次非破裂放电S₁',....,S_q′′,....,S_b′′，其中，D_p′′代表第p'次选择的破裂放电，S_q′′代表第q'次选择的非破裂放电；并按照步骤一和步骤二的过程获取m'个时间片段d₁',d₂',....,d_i′′,....,d_m′′的特征向量矩阵X'和m'个时间片段d₁',d₂',....,d_i′′,....,d_m′′的N个相互独立的特征向量子矩阵Y₁',Y₂',....,Y_l',....,Y_N'，其中，d_i′′表示i'个切分出的时间片段，Y_l′表示第l次抽样得到的特征向量子矩阵；

步骤五、使用第l次抽样得到的m'个时间片段d₁',d₂',....,d_i′′,....,d_m′′的特征向量子集Y_l'输入训练好的第l个子分类器中，得到训练好的第l个子分类器对m'个时间片段d₁',d₂',....,d_i′′,....,d_m′′的预测结果，l＝1,2,…,N；并按照式(1)计算第l个子分类器的破裂预测可信度与非破裂预测可信度

式(1)中，表示所述预测结果中训练好的第l个子分类器做出正确破裂判断的数量；表示所述预测结果中训练好的第l个子分类器做出错误破裂判断的数量；表示预测结果中训练好的第l个子分类器做出正确非破裂判断的数量；表示预测结果中训练好的第l个子分类器做出错误非破裂判断的数量；

步骤六、根据第l个子分类器的破裂预测可信度与非破裂预测可信度利用式(2)赋予第l个子分类器的破裂预测权重与非破裂预测权重

步骤七、获取待预测的m个时间片段的d₁,d₂,....,d_i,....,d_m，以及待预测的m个时间片段的d₁,d₂,....,d_i,....,d_m的特征向量矩阵X，其中d_i表示获取的第i个时间片段；

按照步骤二的过程获得待预测的m个时间片段d₁,d₂,....,d_i,....,d_m的N个相互独立的特征向量子矩阵，记为Y₁,Y₂,....,Y_l,....,Y_N；其中，Y_l表示第l次抽样得到的待预测的m个时间片段的d₁,d₂,....,d_i,....,d_m的特征向量子集；

步骤八、将第l次抽样得到的待预测的m个时间片段的d₁,d₂,....,d_i,....,d_m的特征向量子集Y_l输入到训练好的第l个子分类器中进行预测，获得训练好的第l个子分类器对待预测的m个时间片段的d₁,d₂,....,d_i,....,d_m的预测结果P_l＝[P_l¹,P_l²,....,P_lⁱ,....,P_l^m]，其中，P_lⁱ代表训练好的第l个子分类器对待预测第i个时间片段d_i的预测结果，若P_lⁱ＝1，表示破裂，若P_lⁱ＝1，表示非破裂；

按照式(3)计算第i个时间片段d_i的预测系数R_i：

若预测系数R_i大于0，则将第i个时间片段d_i预测为破裂时间片段，若预测系数R_i小于0，则将第i个时间片段d_i预测为非破裂时间片段。