基于神经网络的EAST密度极限破裂预测

• 作者: 肖建元 肖炳甲 胡文慧 郭笔豪 陈俊杰
• 来源期刊: 计算机系统应用
• 关键词: 托卡马克 密度极限破裂预测 MLP LSTM 机器学习
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 专论·综述
• 页码范围: 21-28
• 页数: 8页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007668

摘要

为了对全超导托卡马克核聚变实验装置(EAST)密度极限破裂进行预测,根据密度极限破裂的基本特征从2014到2019年放电数据中筛选出972炮密度极限破裂炮,选取了13种诊断信号为特征作为输入,分别由多层感知机(MLP)和长短时记忆网络(LSTM)为模型、以破裂概率为模型输出建立破裂预测器对密度极限破裂进行预测实验.结果表明:对密度极限破裂炮,在不同的预警时间下,LSTM的成功预测率(95％)均高于MLP的成功预测率(85％);而对于非破裂炮,LSTM和MLP的错误预测率相近(8％).LSTM对密度极限破裂的预测性能较MLP有较大的提高.说明利用神经网络进行EAST密度极限破裂预测以及提高破裂避免和缓解系统响应性能的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖炳甲	中国科学院合肥物质科学研究院	50	204	8.0	11.0
2	陈俊杰	中国科学院合肥物质科学研究院	13	194	8.0	13.0
3	胡文慧	中国科学院合肥物质科学研究院	1	0	0.0	0.0
4	肖建元	中国科学院合肥物质科学研究院	1	0	0.0	0.0
5	郭笔豪	中国科学院合肥物质科学研究院	1	0	0.0	0.0