[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

说明书

本发明公开了一种基于子分类器权重投票的等离子体破裂预测方法，其步骤包括：1利用N组独立的等离子体破裂特征数据，训练N个独立的基于机器学习技术的子分类器；2测试每个子分器的预测能力，并赋予每个子分类器相应的预测权重；3将待预测时间片段的特征数据分配给各子分类器，子分类器分别给出预测结果值；4将各子分类器的预测结果值加权平均后的得到预测系数R，进而对待预测时间片段做出预测。本发明能有效利用多种破裂相关信号的有效信息，并排除干扰信息，提高等离子体破裂预测的准确率，减少假警报现象的发生。

技术领域

本发明属于机器学习领域，具体的说是一种基于子分类器权重投票的等离子体破裂预测方法。

背景技术

等离子体破裂是EAST等托克马克装置在放电过程中出现的等离子体电流迅速下降放电突然中止的现象，其释放的逃逸电子以及产生的热沉积与电磁应力会对装置产生极大的破坏。EAST系统上拥有缓解与避免破裂现象的大量气体注入(Massive GasInjection,MGI)系统，在破裂即将发生时投入MGI系统可以缓解和避免破裂的发生，需要对即将发生的破裂的准确预测。近年来，托克马克装置分别发展了基于机器学习技术的破裂预测，EAST装置上也进行了基于神经网络(ANN)、卷积神经网络(CNN)以及支持向量机(SVM)的等离子体破裂预测相关研究。

目前，EAST装置上进行的等离子体破裂预测相关研究，虽然实现了较高的破裂预测率，但是存在较为普遍的在系统正常运行时做出破裂预测并发出破裂警告的假警报现象。若实际运行的等离子体破裂预测发出假警报，托克马克装置会在不必要的情况下投入缓解破裂的措施，这会造成不必要的设备与物料损耗，同时也会影响正常的放电实验进程。

发明内容

本发明是为了解决上述现有的等离子体破裂预测存在的不足之处，提出一种基于子分类器权重投票的等离子体破裂预测方法，以期能有效利用多种破裂相关信号的有效信息，并排除干扰信息，从而实现对等离子体破裂的准确预测。

本发明为达到上述发明目的，采用如下技术方案：

本发明一种基于子分类器权重投票的等离子体破裂预测方法的特点是按如下步骤进行：

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