一種基于數(shù)據(jù)增強(qiáng)的托卡馬克等離子體破裂預(yù)測(cè)方法技術(shù)

本發(fā)明專利技術(shù)適用于核聚變技術(shù)領(lǐng)域，提供了一種基于數(shù)據(jù)增強(qiáng)的托卡馬克等離子體破裂預(yù)測(cè)方法，包括如下步驟：利用原始數(shù)據(jù)結(jié)合正態(tài)分布公式生成高斯噪音模型；將正態(tài)分布隨機(jī)值添加到原始數(shù)據(jù)中，添加了高斯噪聲的數(shù)據(jù)與原始數(shù)據(jù)結(jié)合，形成增強(qiáng)后的數(shù)據(jù)集；通過ACO算法對(duì)BP算法的初始權(quán)值進(jìn)行優(yōu)化；集成學(xué)習(xí)框架，以解決數(shù)據(jù)增強(qiáng)帶來的偏差問題。本發(fā)明專利技術(shù)基于數(shù)據(jù)增強(qiáng)的模型具有出色的泛化功能，能夠在有限數(shù)據(jù)的條件下生成更多的破裂樣本，優(yōu)化預(yù)測(cè)模型的訓(xùn)練過程，提高破裂預(yù)測(cè)準(zhǔn)確性，為操作人員提供了足夠的時(shí)間來采取相應(yīng)的控制和干預(yù)措施，以避免或減輕破裂帶來的影響，保證托卡馬克裝置安全運(yùn)行。

【技術(shù)實(shí)現(xiàn)步驟摘要】

本專利技術(shù)屬于核聚變，尤其涉及一種基于數(shù)據(jù)增強(qiáng)的托卡馬克等離子體破裂預(yù)測(cè)方法。

技術(shù)介紹

1、磁約束可控核聚變是目前解決未來能源問題最可行的途徑之一。

2、托卡馬克作為當(dāng)前最受關(guān)注的磁約束裝置，通過磁場(chǎng)實(shí)現(xiàn)粒子的約束，達(dá)成聚變條件進(jìn)行輸出，然而等離子體破裂時(shí)托卡馬克實(shí)驗(yàn)裝置運(yùn)行時(shí)較為常見的事件，甚至是不可避免的突發(fā)事件。等離子體破裂時(shí)，大量的能量(熱能和磁能)在極短的時(shí)間內(nèi)以熱流、暈電流和逃逸電子等形式沉積到裝置第一壁材料或其他部件，長(zhǎng)時(shí)間會(huì)對(duì)裝置造成損傷，且隨著聚變裝置尺寸的增大和運(yùn)行參數(shù)的提高，等離子體破裂對(duì)裝置的危害也會(huì)更大。因此，提前進(jìn)行破裂預(yù)警并實(shí)施有效的破裂避免或緩解，對(duì)裝置安全非常重要。

3、目前破裂預(yù)測(cè)研究主要包括兩種方法，包括物理模型預(yù)測(cè)和數(shù)據(jù)驅(qū)動(dòng)預(yù)測(cè)，然而由于等離子體破裂發(fā)展的復(fù)雜性和非線性特征，對(duì)破裂物理機(jī)制的理解還不夠清晰；另外，破裂發(fā)生的時(shí)間極短且各個(gè)因素之間的關(guān)系非常復(fù)雜，傳統(tǒng)的機(jī)器學(xué)習(xí)模型很難準(zhǔn)確捕捉到這些非線性關(guān)系，從而導(dǎo)致預(yù)測(cè)精度和預(yù)警時(shí)間難以令人滿意；雖然基于大數(shù)據(jù)驅(qū)動(dòng)的破裂預(yù)測(cè)可以有效地避免以上問題，但由于未來大型托卡馬克地破裂數(shù)據(jù)相對(duì)有限，導(dǎo)致數(shù)據(jù)驅(qū)動(dòng)的模型難以學(xué)習(xí)破裂前兆特征。

技術(shù)實(shí)現(xiàn)思路

1、本專利技術(shù)實(shí)施例的目的在于提供一種基于數(shù)據(jù)增強(qiáng)的托卡馬克等離子體破裂預(yù)測(cè)方法，旨在解決上述
技術(shù)介紹
中存在的問題。

2、本專利技術(shù)實(shí)施例是這樣實(shí)現(xiàn)的，一種基于數(shù)據(jù)增強(qiáng)的托卡馬克等離子體破裂預(yù)測(cè)方法，包括以下步驟：</p>

3、s1、利用原始數(shù)據(jù)結(jié)合正態(tài)分布公式生成高斯噪音模型進(jìn)行數(shù)據(jù)增強(qiáng)；

4、s2、將正態(tài)分布隨機(jī)值添加到原始數(shù)據(jù)中，添加了高斯噪聲的數(shù)據(jù)與原始數(shù)據(jù)結(jié)合，形成增強(qiáng)后的數(shù)據(jù)集；

5、s3、通過aco算法對(duì)bp算法的初始權(quán)值進(jìn)行優(yōu)化；

6、s4、集成學(xué)習(xí)框架，以解決數(shù)據(jù)增強(qiáng)帶來的偏差問題。

7、優(yōu)選地，還包括bp神經(jīng)網(wǎng)絡(luò)，所述bp神經(jīng)網(wǎng)絡(luò)具有多層前饋神經(jīng)。

8、優(yōu)選地，所述bp神經(jīng)網(wǎng)絡(luò)包括：輸入層、輸出層和多個(gè)隱含層。

9、優(yōu)選地，所述高斯噪音模型的概率密度函數(shù)為：

10、

11、其中，均值為零，σ為標(biāo)準(zhǔn)差。

12、優(yōu)選地，所述s3中的aco算法結(jié)合了分布式計(jì)算、正反饋機(jī)制和貪婪式搜索的特點(diǎn)，通過模擬螞蟻尋找食物的行為，利用信息素進(jìn)行路徑選擇。

13、優(yōu)選地，在aco-bp算法中，網(wǎng)絡(luò)權(quán)值分別記為q1，q2，...，qp，將其中任一參數(shù)qi(1，2，...，p)取值范圍劃分為n個(gè)子區(qū)間，形成集合iqi，將每個(gè)子區(qū)間的邊界值作為臨時(shí)備選值，每個(gè)子區(qū)間中信息素為τj(iqi)(t)，j＝1，2，...，n；

14、若系統(tǒng)中螞蟻總數(shù)量為k，任何一只螞蟻k從集合iqi中隨機(jī)選擇元素j的概率是：

15、

16、信息素更新的表達(dá)式為：

17、

18、式中，ρ(0＜ρ＜1)是信息素殘留系數(shù)；q是常量，用于調(diào)整信息素的更新速度；ek是螞蟻k在集合里選擇出的元素作為模型權(quán)重時(shí)各訓(xùn)練樣本的輸出誤差的最大值。

19、優(yōu)選地，所述s4中通過組合多個(gè)弱學(xué)習(xí)模型，得到一個(gè)更強(qiáng)大、更全面的模型。

20、本專利技術(shù)實(shí)施例提供的一種基于數(shù)據(jù)增強(qiáng)的托卡馬克等離子體破裂預(yù)測(cè)方法，運(yùn)用了數(shù)據(jù)增強(qiáng)技術(shù)，基于數(shù)據(jù)增強(qiáng)的模型具有出色的泛化功能，能夠在有限數(shù)據(jù)的條件下生成更多的破裂樣本，優(yōu)化預(yù)測(cè)模型的訓(xùn)練過程，從而提高破裂預(yù)測(cè)的準(zhǔn)確性，這為操作人員提供了足夠的時(shí)間來采取相應(yīng)的控制和干預(yù)措施，以避免或減輕破裂帶來的影響，從而保證了托卡馬克裝置的安全運(yùn)行。

本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】

1.一種基于數(shù)據(jù)增強(qiáng)的托卡馬克等離子體破裂預(yù)測(cè)方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)增強(qiáng)的托卡馬克等離子體破裂預(yù)測(cè)方法，其特征在于，還包括BP神經(jīng)網(wǎng)絡(luò)，所述BP神經(jīng)網(wǎng)絡(luò)具有多層前饋神經(jīng)。

3.根據(jù)權(quán)利要求2所述的一種基于數(shù)據(jù)增強(qiáng)的托卡馬克等離子體破裂預(yù)測(cè)方法，其特征在于，所述BP神經(jīng)網(wǎng)絡(luò)包括：輸入層、輸出層和多個(gè)隱含層。

4.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)增強(qiáng)的托卡馬克等離子體破裂預(yù)測(cè)方法，其特征在于，所述高斯噪音模型的概率密度函數(shù)為：

5.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)增強(qiáng)的托卡馬克等離子體破裂預(yù)測(cè)方法，其特征在于，所述S3中的ACO算法結(jié)合了分布式計(jì)算、正反饋機(jī)制和貪婪式搜索的特點(diǎn)，通過模擬螞蟻尋找食物的行為，利用信息素進(jìn)行路徑選擇。

6.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)增強(qiáng)的托卡馬克等離子體破裂預(yù)測(cè)方法，其特征在于，在ACO-BP算法中，網(wǎng)絡(luò)權(quán)值分別記為q1，q2，...，qp，將其中任一參數(shù)qi(1，2，...，p)取值范圍劃分為N個(gè)子區(qū)間，形成集合Iqi，將每個(gè)子區(qū)間的邊界值作為臨時(shí)備選值，每個(gè)子區(qū)間中信息素為τj(Iqi)(t)，j＝1，2，...，N；

7.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)增強(qiáng)的托卡馬克等離子體破裂預(yù)測(cè)方法，其特征在于，所述S4中通過組合多個(gè)弱學(xué)習(xí)模型，得到一個(gè)更強(qiáng)大、更全面的模型。

...

【技術(shù)特征摘要】

1.一種基于數(shù)據(jù)增強(qiáng)的托卡馬克等離子體破裂預(yù)測(cè)方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)增強(qiáng)的托卡馬克等離子體破裂預(yù)測(cè)方法，其特征在于，還包括bp神經(jīng)網(wǎng)絡(luò)，所述bp神經(jīng)網(wǎng)絡(luò)具有多層前饋神經(jīng)。

3.根據(jù)權(quán)利要求2所述的一種基于數(shù)據(jù)增強(qiáng)的托卡馬克等離子體破裂預(yù)測(cè)方法，其特征在于，所述bp神經(jīng)網(wǎng)絡(luò)包括：輸入層、輸出層和多個(gè)隱含層。

4.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)增強(qiáng)的托卡馬克等離子體破裂預(yù)測(cè)方法，其特征在于，所述高斯噪音模型的概率密度函數(shù)為：

5.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)增強(qiáng)的托卡馬克等離子體破裂預(yù)測(cè)方法，其特征在于，所述s3中的...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：林志芳，陳太原，楊揚(yáng)，閆娟娟，戴健鑫，問鈺楊，
申請(qǐng)(專利權(quán))人：江蘇師范大學(xué)，
類型：發(fā)明
國(guó)別省市：