本发明属于等离子体物理领域，具体为基于深度神经网络的托卡马克等离子体大破裂预测算法，训练数据集准备、进行神经网络模型创建及预测计算，之后进行模型参数训练，神经网络模型训练完成后，将参数输入神经网络模型进行计算，便可以获得实时的破裂可能性值。针对聚变装置的数据特点进行了定制化优化的神经网络模型，这一模型可以简便地接入不同类型地控制和诊断信号，克服了标准神经网络模型对数据源的限制问题，也令神经网络更加适用于处理长序列、多模态、多噪声标签的聚变数据，最终在破裂预测任务上实现了提前30ms，96.1％预测正确率的效果。