The prediction of major disruptions caused by the density limit, the plasma current ramp-down with high internal inductance li, the low density locked mode and the β-limit has been investigated in JT-60U. The concept of 'stability level', newly proposed in this paper to predict the occurrence of a major disruption, is calculated from nine input parameters every 2 ms by the neural network and the start of a major disruption is predicted when the stability level decreases to a certain level, the 'alarm level'. The neural network is trained in two steps. It is first trained with 12 disruptive and six non-disruptive shots (total of 8011 data points). Second, the target output data for 12 disruptive shots are modified and the network is trained again with additional data points generated by the operator. The 'neural-net disruption predictor' obtained has been tested for 300 disruptive shots (128 945 data points) and 1008 non-disruptive shots (982 800 data points) selected from nine years of operation (1991–1999) of JT-60U. Major disruptions except for those caused by the β-limit have been predicted with a prediction success rate of 97–98% at 10 ms prior to the disruption and higher than 90% at 30 ms prior to the disruption while the false alarm rate is 2.1% for non-disruptive shots. This prediction performance has been confirmed for 120 disruptive shots (56 163 data points), caused by the density limit, as well as 1032 non-disruptive shots (1004 611 data points) in the last four years of operation (1999–2002) of JT-60U. A careful selection of the input parameters supplied to the network and the newly developed two-step training of the network have reduced the false alarm rate resulting in a considerable improvement of the prediction success rate.
密度限界、高い内部インダクタンスを伴うプラズマ電流ランプダウン、低密度ロックモード、およびβ限界によって引き起こされる主要なディスラプションの予測が、JT-60Uにおいて調査された。主要なディスラプションの発生を予測するために本論文で新たに提案された「安定性レベル」は、ニューラルネットワークにより9つの入力パラメータから2ミリ秒ごとに計算され、安定性レベルが「警報レベル」まで低下したときに主要なディスラプションの開始が予測される。ニューラルネットワークは2段階で訓練される。まず、12回のディスラプション放電と6回の非ディスラプション放電（合計8011データポイント）を用いて訓練される。次に、12回のディスラプション放電に対する目標出力データが修正され、オペレータによって生成された追加のデータポイントを用いてネットワークが再度訓練される。得られた「ニューラルネットワークディスラプション予測器」は、JT-60Uの9年間（1991年～1999年）の運転から選ばれた300回のディスラプション放電（128,945データポイント）および1008回の非ディスラプション放電（982,800データポイント）を用いて試験された。β限界によって引き起こされたものを除く主要なディスラプションは、ディスラプションの10ミリ秒前に97%～98%の予測成功率で予測され、30ミリ秒前では90%を超える成功率であった。一方、非ディスラプション放電に対する誤警報率は2.1%であった。この予測性能は、JT-60Uの最後の4年間（1999年～2002年）の運転から選ばれた、密度限界によって引き起こされた120回のディスラプション放電（56,163データポイント）および1032回の非ディスラプション放電（1,004,611データポイント）を用いて確認された。ネットワークに供給される入力パラメータの慎重な選択と、新たに開発された2段階訓練法により、誤警報率が低減され、予測成功率が大幅に向上した。