在EAST开展基于多变量分析的等离子体破裂预测研究

The disruption prediction is prerequisite to the disruption avoidance and mitigation.In these two decades,the artifical neural networks have been extensively used in the disruption prediciton, however, they could not be applied to the future ITER disruption prediction due to their several limitations.How to design an algorithm available to ITER disruption prediction based on current toakamak devices is a key and challenged issue for present study of prediction. In my doctor thesis, the multivariable analysis was firstly used to the prediction of edge cooling disruptions, a prediction function like a scaling-law was derived with experiments data of ASDEX Upgrade. It performs well and reflects clearly the relationship between the disruption and five dimensionless plasma variables. If the relationship could be validated in several different devices, or at least some comparabilities could be found among them, it would be possible to derive a "scaling-law" of the disruption boundary available to all devices, and therefore be applied to ITER disruption predicton finally. For this purpose, the study of disruption prediction based on multivariable analysis will be explored in EAST, and the obtained results would be compared with ones of ASDEX Upgrade.

破裂预测是开展破裂防护的关键性前提。近二十年来，预测研究最常使用的方法是人工神经网络预测法，然而该方法所表现出的局限性使得很难将其外推用于未来ITER的破裂预测。如何基于现有装置设计出适用于ITER的破裂预测算法是目前预测研究的重点与难点问题。本人攻读博士学位期间，首次将多元变量分析用于边缘冷却型破裂的预测研究，在ASDEX Upgrade实验数据的支持下，推导出了一个类似于经验定标率的破裂预测函数，该函数具有较好的预测性能，且明确地反映出破裂与五个无量纲的等离子体变量之间的关系。如果这种函数关系能够在多个不同装置上得以验证，或者找到各装置预测函数之间的某些关联性，就有可能推导出一个具有装置普适性的破裂边缘"定标率"，并最终可能将其外推用于ITER的破裂预测。基于这一动机和目的，本项目拟在EAST上开展基于多变量分析的破裂预测研究，并与ASDEX Upgrade的结果进行深入地对比分析。

在本项目的支持下，通过对EAST上近三年312炮破裂放电数据进行分析，明确了EAST引发大破裂的主要原因是垂直位移事件（VDE）和杂质辐射（RAD）。造成VDE的原因非常复杂，既有物理原因也有技术原因，在破裂前垂直位移信号上存在明显的阈值效应；而对于RAD辐射破裂，由于EAST第一壁材料的复杂性，等离子体经常表现出全局性冷却的特点，同时也会出现少数以低Z杂质为主导的边缘冷却破裂以及以高Z杂质为主导的杂质聚芯破裂。依据本项目的研究目标和计划，重点针对边缘冷却破裂开展破裂预测函数的研究，并尝试找到它与ASDEX_U上发展的破裂预测函数的关联性。数据分析的结果发现，EAST上的边缘冷却破裂与ASDEX_U上有着非常相似的演化机制与先兆特征，ASDEX_U上发展的破裂预测函数完全可以适用于EAST上的边缘冷却破裂预测，但由于存在装置的差异性，需要对预测阈值进行调整。采用合适的预测阈值后，利用该预测函数可以较为准确的识别出EAST上的边缘冷却破裂，准确率约~80 %。这是在采用相同的预测变量并对变量权重不做任何调整的情况下取得的结果，从另一个角度说明，不同装置上边缘冷却破裂应该有着相似的机制和先兆特征，且已发展的破裂预测函数能够从数学角度较好给出这些特征的定量描述。通过开展进一步的多装置的联合实验对预测函数进行校验并对预测阈值进行修正，也许能找到适用于未来ITER边缘冷却破裂的预测函数与阈值条件。