粒子加速器中时间序列分类与预测的一种新方法
加速器物理
2022-09-23 v1 机器学习
信号处理
摘要
粒子加速器的束流中断（联锁）尽管是必要的的安全措施，却会导致 abrupt 运行变化与大量束流时间损失。为减少高强度质子加速器装置中的束流时间损失，应用了一种新颖的时间序列分类方法，通过预测联锁事件来实现。预测通过对多元时间序列窗口进行二分类完成。时间序列被转换为递归图（Recurrence Plots），随后由卷积神经网络分类，该网络不仅捕获时间序列的内部结构，还利用了图像分类技术的进展。我们性能最佳的联锁到稳定分类器达到 ROC 曲线下面积（AUC）值 ，而随机森林模型为 ，且其有可能将每次联锁的束流时间损失减少 秒。
引用
@article{arxiv.2102.00786,
title = {A Novel Approach for Classification and Forecasting of Time Series in Particle Accelerators},
author = {Sichen Li and Mélissa Zacharias and Jochem Snuverink and Jaime Coello de Portugal and Fernando Perez-Cruz and Davide Reggiani and Andreas Adelmann},
journal= {arXiv preprint arXiv:2102.00786},
year = {2022}
}