磁约束聚变装置多通道测量系统自动数据清洗的时域全局相似性方法
等离子体物理
2017-09-05 v2
摘要
为保证磁约束聚变 (MCF) 装置数据源的可用性和可靠性，应在进一步分析和研究之前剔除无法反映被测对象真实物理特性的错误诊断数据。传统的数据分类因效率低、延迟大且缺乏客观标准，已无法满足日益增长的 MCF 研究需求。本文提出了一种基于机器学习技术的时域全局相似性 (TDGS) 方法，用于 MCF 装置的自动数据清洗。传统数据分类旨在对原始诊断数据序列进行分类，这些序列在不同放电参数下具有不同的长度和演化特性，因此分类标准受众多放电参数影响且随脉冲变化。TDGS 方法的重点转向不同通道数据序列之间的物理相似性，这更为本质且独立于放电参数。通过将一般数据分类问题转化为关于数据序列物理相似性的二分类问题，TDGS 方法避免了实际放电参数在数据清洗过程中引发的复杂性。作为其在多通道测量系统中应用的演示，TDGS 方法被应用于 EAST 偏振仪 - 干涉仪 (POINT) 系统。该方法的优化性能达到了 0.9871。
引用
@article{arxiv.1705.04947,
title = {Time-domain global similarity method for automatic data cleaning for multi-channel measurement systems in magnetic confinement fusion devices},
author = {Ting Lan and Jian Liu and Hong Qin and Lin Li Xu},
journal= {arXiv preprint arXiv:1705.04947},
year = {2017}
}