生存分析在基于随机森林的破裂预测中的应用
等离子体物理
2019-09-04 v1
摘要
聚变界面临的最紧迫挑战之一是如何充分缓解、甚至更好是避免托卡马克等离子体的破裂。然而，在此之前，必须首先以足够的预警时间预测破裂以启动响应。既有的生存分析领域为事件时间（即至破裂时间）研究提供了便利的统计框架。本文展示了将已有的破裂预测机器学习算法与生存概率的 Kaplan-Meier 估计器相集成。具体讨论了由破裂数据库二分类所隐含的预警时间，以及在这些数据库上训练并测试的随机森林算法输出信号的解读。该生存分析方法被应用于平滑与含噪测试数据，以凸显生存函数与风险函数的重要特征。此外，该方法被应用于三次 Alcator C-Mod 等离子体放电，并与基于阈值的报警触发方案进行比较。在一例中，两种技术均成功预测了破裂；尽管在另一例中，两者均未以足够时间预警 impending 破裂以缓解之。对于最后一次放电，生存分析方法可避免阈值法触发的误报。本文也给出了该分析的局限性与未来工作的机会。
引用
@article{arxiv.1907.04291,
title = {An application of survival analysis to disruption prediction via Random Forests},
author = {R. A. Tinguely and K. J. Montes and C. Rea and R. Sweeney and R. S. Granetz},
journal= {arXiv preprint arXiv:1907.04291},
year = {2019}
}