Análisis Wavelet en señales del TJ-II mediante técnicas de aprendizaje automático
Authors
Álvarez Montero, AlejandroDirector
Pereira Gonzalez, AugustoDate
2022Bibliographic citation
Álvarez Montero, Alejandro. Análisis Wavelet en señales del TJ-II mediante técnicas de aprendizaje automático. Trabajo Fin de Grado. Universidad de Alcalá, 2022.
Keywords
Transformada Wavelet
Análisis de datos
Calentamiento NBI
Programa de clasificación
Wavelet transform
Data analysis
NBI heating
Classification program
Document type
info:eu-repo/semantics/bachelorThesis
Version
info:eu-repo/semantics/acceptedVersion
Rights
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Access rights
info:eu-repo/semantics/openAccess
Abstract
El análisis de señales de evolución temporal mediante la transformada Wavelet permite
obtener otras señales de menor dimensionalidad conservando sus principales características.
Las técnicas de clasificación mediante aprendizaje automático permiten predecir la pertenencia
de nuevas señales a diferentes grupos, a partir de un modelo entrenado previamente con otras
señales iniciales conocidas. En este trabajo se propone el uso combinado de la transformada
Wavelet y algoritmos de aprendizaje automático para recuperar y clasificar ondas similares a
partir de un subconjunto de señales de la base de datos del TJ-II. En una primera etapa, el análisis
Wavelet pre-procesará las señales de plasma para reducir su información y extraer sus
principales características. En la siguiente etapa, y utilizando las señales suavizadas producidas
por el análisis anterior, se aplicarán algoritmos de clasificación para mostrar la eficiencia del
método propuesto para abordar el problema de resolver similitudes en miles de señales
de plasmas calientes confinados magnéticamente. The analysis of time evolution signals by means of the Wavelet transform allows to obtain
other signals of lower dimensionality while conserving their main characteristics. Classification
techniques using machine learning allow predicting the membership of new signals to different
groups, from a previously trained model with other known initial signals. In this work, the
combined use of the Wavelet transform and machine learning algorithms is proposed to recover
and classify similar waves from a subset of signals from the TJ-II database. In a first stage,
Wavelet analysis will pre-process the plasma signals to reduce their information and extract
their main features. In the next stage, and using the smoothed signals produced by the previous
analysis, classification algorithms will be applied to show the efficiency of the proposed method
to address the problem of resolving similarities in thousands of signals from magnetically
confined hot plasmas.
Files in this item
Files | Size | Format |
|
---|---|---|---|
TFG_Alvarez Montero_2022.pdf | 6.314Mb |
|
Files | Size | Format |
|
---|---|---|---|
TFG_Alvarez Montero_2022.pdf | 6.314Mb |
|