【技术实现步骤摘要】
本专利技术属于数据处理，具体涉及一种east托卡马克实时数据清洗方法。
技术介绍
1、磁约束聚变中，由于环境噪声、设备故障和测量过程的复杂性，多通道诊断数据易受干扰。为了保证数据源的可用性和可靠性，在进一步分析和研究之前，需要对不正确的诊断数据进行处理。传统的数据处理方法在处理非平稳和高维数据时存在诸多局限，难以满足实时性要求。
2、时域全局相似度（tdgs）方法是一种用于多通道测量系统数据清洗的技术，用于处理磁约束聚变实验中多通道测量系统的脏诊断数据。tdgs方法的核心在于通过分析多通道信号之间的物理相似性来识别脏数据。不同通道的诊断数据的时间序列反映了同一观测对象，因此具有物理关联性。通过计算不同通道数据序列之间的物理相似性，将数据分类为物理上相似和不相似两类。该方法将多标签分类问题转化为物理相似性的二值分类问题，避免了实际放电参数带来的复杂性。然而，tdgs方法被设计用于非实时数据处理，需要完整数据序列才能进行清洗，无法满足实时应用的需求。在特征提取时，tdgs方法仅考虑两个通道之间的相似性，忽略了单个通道本身的特征，...
【技术保护点】
1.一种EAST托卡马克实时数据清洗方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种EAST托卡马克实时数据清洗方法，其特征在于，所述步骤1中，所述预处理包括降采样和数据平滑处理，所述降采样包括从每个时间序列中均匀提取特征点，组成特征点序列；所述数据平滑处理通过固定步长的滑动窗口计算窗口内均值，生成平滑后的特征点序列。
3.根据权利要求1所述的一种EAST托卡马克实时数据清洗方法，其特征在于，所述步骤2中，多尺度时间采样策略包括将同一段时间序列按不同截止时间切分成多个层次化子序列集，每层子集共享相同起始点，但终止点随层级递增，所有...
【技术特征摘要】
1.一种east托卡马克实时数据清洗方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种east托卡马克实时数据清洗方法，其特征在于，所述步骤1中，所述预处理包括降采样和数据平滑处理，所述降采样包括从每个时间序列中均匀提取特征点，组成特征点序列；所述数据平滑处理通过固定步长的滑动窗口计算窗口内均值，生成平滑后的特征点序列。
3.根据权利要求1所述的一种east托卡马克实时数据清洗方法，其特征在于，所述步骤2中，多尺度时间采样策略包括将同一段时间序列按不同截止时间切分成多个层次化子序列集，每层子集共享相同起始点，但终止点随层级递增，所有子序列集组成多尺度数据集。
4.根据权利要求1所述的一种east托卡马克实时数据清洗方法，其特征在于，所述步骤2还包括，对含标签通道对样本进行相似度特征提取，将提取的相似度特征作为备选特征，使用特征选择模型在备选特征中择优，并保存择优后的特征序列至第一特征提取模型和第二特征提取模型，提取通道间的相似性特征和单通道统计特征得到含标签特征集。
5.根据权利要求4所述的一种east托卡马克实时数据清洗方法，其特征在于，所述对含标签通道对样本进行相似度特征提取包括，将通道...
【专利技术属性】
技术研发人员：揭银先，杨力沣，兰婷，刘海庆，王守信，张耀，
申请(专利权)人：中国科学院合肥物质科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。