核聚变与等离子体物理
覈聚變與等離子體物理
핵취변여등리자체물리
NUCLEAR FUSION AND PLASMA PHYSICS
2010年
1期
37-41
,共5页
神经网络%放电破裂%预测
神經網絡%放電破裂%預測
신경망락%방전파렬%예측
Artificial neural networks (ANN)%Plasma disruption%Disruption prediction
使用人工神经网络(ANN)对HL-2A装置破裂放电进行了离线预测研究.采用了两种方法训练网络,一种方法是采用原始实验数据作为网络输入训练网络,另一种是把训练样本中的Mirnov原始实验信号进行预处理,目的是突出Mirnov原始信号隐含的破裂信息.比较这两种方法,结果表明第二种方法获得的网络对破裂放电能够做出更加准确的预测.
使用人工神經網絡(ANN)對HL-2A裝置破裂放電進行瞭離線預測研究.採用瞭兩種方法訓練網絡,一種方法是採用原始實驗數據作為網絡輸入訓練網絡,另一種是把訓練樣本中的Mirnov原始實驗信號進行預處理,目的是突齣Mirnov原始信號隱含的破裂信息.比較這兩種方法,結果錶明第二種方法穫得的網絡對破裂放電能夠做齣更加準確的預測.
사용인공신경망락(ANN)대HL-2A장치파렬방전진행료리선예측연구.채용료량충방법훈련망락,일충방법시채용원시실험수거작위망락수입훈련망락,령일충시파훈련양본중적Mirnov원시실험신호진행예처리,목적시돌출Mirnov원시신호은함적파렬신식.비교저량충방법,결과표명제이충방법획득적망락대파렬방전능구주출경가준학적예측.
Prediction of plasma disruption using artificial neural networks (ANN) has been investigated on HL-2A. Two methods have been adopted to train ANN. In the first one, the original experimental data are used directly as the ANN input. In the second one, in order to reduce the noise and enlarge the implicit disruption information in original Mirnov signal, the preprocessing is given in original Mirnov signal in the training subset. The prediction results indicate that the second method is more accurate and effective comparing with the first one.
