Детальная информация

Название: Исследование срыва в плазме токамака «Глобус-М/М2» с применением нейронных сетей: выпускная квалификационная работа бакалавра: направление 03.03.02 «Физика» ; образовательная программа 03.03.02_05 «Физика космических и плазменных явлений»
Авторы: Богданов Антон Максимович
Научный руководитель: Капралов Владимир Геннадьевич
Другие авторы: Веселова Ирина Юрьевна
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт физики, нанотехнологий и телекоммуникаций
Выходные сведения: Санкт-Петербург, 2021
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: предсказание срывов; глубокое машинное обучение; корреляционный анализ; disruption prediction; deep machine learning; correlation
Тип документа: Выпускная квалификационная работа бакалавра
Тип файла: PDF
Язык: Русский
Код специальности ФГОС: 03.03.02
Группа специальностей ФГОС: 030000 - Физика и астрономия
Ссылки: Отзыв руководителя; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2021/vr/vr21-4425
Права доступа: Доступ по паролю из сети Интернет (чтение, печать, копирование)
Дополнительно: Новинка

Разрешенные действия:

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

Данная работа посвящена исследованию предсказания срыва в плазме токамака “Глобус-М/М2” с помощью глубокого машинного обучения. Срывы являются строго нежелательными событиями для токамака реакторного масштаба, поэтому необходимо добиться либо снижения частоты возникновения срывов, либо смягчить последствия срывов, которых нельзя избежать иными способами. Для смягчения последствий срыва необходимо сформировать триггер данного события с опережением времени достаточным для активации системы управляемого гашения разряда. Цель данной работы – исследовать возможность применения нейросетей для предсказанная событий в плазме токамака Глобус-М2 на примере данных о срывах. Для достижения поставленной цели был проведен корреляционный анализ сигналов диагностик доступных в реальном времени, чтобы отобрать набор сигналов, используемых для предсказания срыва. Выбрана топология нейронной сети с параллельными сверточными и полносвязными слоями. Разработан программный комплекс для выделения базисного набора сигналов,подготовки тренировочных примеров, обучения модели нейронной сети и оценки, получившейся эффективности. Эффективность системы была проверена на 50 тестовых разрядах. Значение ложных срабатывания для обученной в данной работе модели составило 14%, значение пропущенных срывов - 7%.

This work is devoted to the study of the disruption prediction in the plasma of the Globus-M/M2 tokamak using deep machine learning. Disruptions are strictly undesirable events for a reactor-scale tokamak; therefore, it is necessary to either reduce the frequency of disruptions or mitigate the consequences of disruptions that cannot be avoided by other means. To mitigate the consequences of the breakdown, it is necessary to form a trigger of this event ahead of time sufficient to activate the controlled discharge extinguishing system. The purpose of this work is to investigate the possibility of using neural networks for predicted events in the plasma of the Globus-M2 tokamak using data on disruptions as an example. To achieve this goal, a correlation analysis of signals from diagnostics available in real time was carried out in order to select a set of signals used to predict breakdown. A neural network topology with parallel convolutional and fully connected layers is chosen. A software package has been developed for identifying a basic set of signals, preparing training examples, training a neural network model and evaluating the resulting efficiency. The efficiency of the system has been tested with 50 test discharges. The value of false alarms for the model trained in this work was 14%, the value of missed disruptions was 7%.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать Печать Загрузить
Интернет Авторизованные пользователи СПбПУ Прочитать Печать Загрузить
Интернет Авторизованные пользователи (не СПбПУ)
-> Интернет Анонимные пользователи

Статистика использования

stat Количество обращений: 3
За последние 30 дней: 3
Подробная статистика