时间序列预测方法及其在粒子加速器中的应用综述
加速器物理
2023-03-01 v1 机器学习
数据分析、统计与概率
摘要
粒子加速器是产生大量结构化数据、具有明确优化目标以及精确定义控制需求的复杂设施。因此，它们天然适用于数据驱动的研究方法。来自加速器内部传感器和监测器的数据构成多元时间序列。由于快速预警方法在加速器控制与诊断中备受青睐，数据驱动的时间序列预测方法的应用尤其具有前景。本综述阐述了时间序列预测问题，并总结了现有模型及其在各科学领域的应用。介绍了粒子加速器领域中若干当前和未来的尝试。时间序列预测在粒子加速器中的应用已显示出令人鼓舞的结果和更广泛应用的前景，而数据一致性与兼容性等现存问题已开始得到解决。
引用
@article{arxiv.2209.10705,
title = {Review of Time Series Forecasting Methods and Their Applications to Particle Accelerators},
author = {Sichen Li and Andreas Adelmann},
journal= {arXiv preprint arXiv:2209.10705},
year = {2023}
}
备注
13 pages, 11 figures