تشخيص و شناسايي گذره¬ها توسط تشخيص¬دهنده ماژولار نيمه¬مربي تي¬اِس¬وي¬اِم

Diagnosis of NPPs Transients Using TSVM Modular Identifier

در اين مقاله يك تشخيص دهنده جديد براي گذره¬هاي نيروگاه¬هاي هسته¬اي به كمك روش يادگيري نيمه مربي مدل تي¬اِس¬وي¬اِم (TSVM ) توسعه داده شده است. اين تشخيص دهنده نسبت به روش آموزشي با مربي و بدون مربي به ترتيب داراي مزيت استفاده از داده¬هاي بدون برچسب و استفاده از اطلاعات موجود است. براي ارزيابي كارايي تشخيص دهنده توسعه داده شده گذره¬هاي نيروگاه اتمي بوشهر مورد مطالعه قرار گرفتند. قابليت آموزش با متغير-هاي مستقل از هم، قابليت ايجاد تعادل بين حافظه¬ سازي و تعميم سازي، شباهت سنجي بين داده¬هاي آموزش داده شده و داده¬هاي جديد، و تشخيص در حضور نويز از جمله قابليت¬هاي تشخيص دهنده ماژولار توسعه داده شده است.

In this study a new identifier for NPPs transient based on TSVM learning algorithm is developed. This identifier in comparison with supervised/ unsupervised algorithms has advantage of utilizing unlabeled/ labeled patterns. To examine the performance of the proposed recognizer, Bushehr nuclear power plant (BNPP) transients are studied. Training the identifier by independent features, balance between memorization and generalization, proximity measure between new data and trained ones, and identification in presence of noise are major advantages of the developed identifier.