A feedforward neural network with two hidden layers is used to forecast major and minor disruptive instabilities in TEXT tokamak discharges. Using the experimental data of soft X ray signals as input data, the neural network is trained with one disruptive plasma discharge, and a different disruptive discharge is used for validation. After being properly trained, the networks, with the same set of weights, are used to forecast disruptions in two other plasma discharges. It is observed that the neural network is able to predict the occurrence of a disruption more than 3 ms in advance. This time interval is almost 3 times longer than the one already obtained previously when a magnetic signal from a Mirnov coil was used to feed the neural networks. Visually no indication of an upcoming disruption is seen from the experimental data this far back from the time of disruption. Finally, by observing the predictive behaviour of the network for the disruptive discharges analysed and comparing the soft X ray data with the corresponding magnetic experimental signal, it is conjectured about where inside the plasma column the disruption first started.
フィードフォワードニューラルネットワークを用いて、TEXTトカマク放電における主要および副次的な不安定性を予測した。軟X線信号の実験データを入力として用い、ニューラルネットワークは1つの破壊的放電で訓練され、異なる破壊的放電を用いて検証された。適切に訓練された後、同じ重みセットを持つネットワークを用いて、他の2つの放電におけるディスラプションを予測した。ニューラルネットワークは、ディスラプション発生の3ミリ秒以上前にその発生を予測できることが観察された。この時間間隔は、ミルノフコイルからの磁気信号をニューラルネットワークに入力として用いて以前に得られた結果の約3倍である。ディスラプション発生のこの時間前では、実験データから差し迫ったディスラプションの兆候は視覚的には見られない。最後に、解析対象の破壊的放電に対するネットワークの予測挙動を観察し、軟X線データを対応する磁気実験信号と比較することにより、ディスラプションがプラズマカラム内のどこで最初に開始されたかについて推測がなされた。