一种基于数据驱动模型的托卡马克温度诊断重建方法和装置

本发明公开了一种基于数据驱动模型的托卡马克温度诊断重建方法和装置，属于机器学习与核聚变物理交叉技术领域，该方法包括：首先，利用大规模托卡马克实验数据对基于递归神经网络与自注意力机制融合的数据驱动模型进行训练，使其学习到多种诊断信号与电子温度诊断之间的复杂相关性；其次，提出了一种高效的数据处理方式，将托卡马克原始信号通过窗口划分的方式分割成等长度的子数据，将这些数据进行数据处理后打包保存为数组形式以便于直接用于后续机器学习进一步处理、读取、训练和推理；最后，通过排除控制参考信号，使模型能够无缝集成到现有的托卡马克数据管理系统中。本发明能够提供相对准确的电子温度诊断参考。