HL-2A装置低频漂移波模数据库与机器学习初步研究.pdfVIP

第44卷第2期核聚变与等离子体物理Vol.44,No.2

2024年6月NuclearFusionandPlasmaPhysicsJune2024

文章编号：0254-6086(2024)02-0141-08

DOI:10.16568/j.0254-6086.202402003

HL-2A装置低频漂移波模数据库

与机器学习初步研究

沈勇，董家齐1，李佳²，韩明昆1，沈煜航3,

张晓然1.4，刘嘉言1.4，王占辉1，李继全1

（1.核工业西南物理研究院，成都610041；2.成都理工大学数理学院，成都610059；

3.电子科技大学信息与通信工程学院，成都611731；4.大连理工大学物理学院，大连116024)

摘要：本文探索建立了HL-2A/3装置实验漂移波模数据库，并以此作为样本数据库，通过机器学习方法，

利用人工神经网络预测托卡马克放电中漂移波模不稳定性的发生及其强度，为实现HL-2A/3等离子体实时参数

控制提供参考。首先基于电子/离子温度梯度(n)、俘获电子份额(s)、局域安全因子q和磁剪切s等4个基本参数

ns)HD7

构成的参数数据组(，ε,9，作为变量，其他参数取有效的常数值，利用代码计算相应模特征值数据，构建

了一个低频漂移波模基本数据库。然后，基于BP神经网络与支持向量机(SVM)模型，分别进行了机器学习建模

与编程实验，验证了对HL-2A装置离子温度梯度(ITG))俘获电子模(TEM)不稳定性进行智能预测的可行性。研究

结果表明，通过将参数集与数据集进一步扩充成完备数据库、并加快BP神经网络训练速度、或采用深度学习等

更复杂模型，可以最终实现前述漂移波模预测目标。

关键词：HL-2A托卡马克；漂移波模；数据库；机器学习；人工神经网络；可行性研究

中图分类号：0534，TP392文献标识码：A

Preliminarystudyonlowfrequencydriftmodedatabase

anditsmachinelearningontheHL-2Atokamak

SHENYong,DONGJia-qi,LIJia²,HANMing-kun,SHENYu-hang,

ZHANGXiao-ran.4,LIUJia-yan.4,WANGZhan-huil,LIJi-quan!

(1.SouthwesternInstituteofPhysics,Chengdu610041;

2.SchoolofMathematicsandScience,ChengduUniversityofTechnology,Chengdu610059;

3.SchoolofInformationandTelecommunicationsEngineering,ElectronicScienceandTechnologyofChina,Chengdu611731;

4.SchoolofPhysics,DalianUniversityofTechnology,Dalian116024)

Abstract:InordertoexploretheestablishmentoftheHL-2A/3experimentaldriftwavemodedatabaseand

takeitasthesampledata,t