以预测技术为核心故障预测与健康管理（PHM，Prognostics and Health Management)系统能够提高核电厂的运行安全性和维护经济性，获得越来越多的重视和应用。目前现有的PHM系统主要分为基于可靠性模型（Reliability-based）的PHM；基于物理模型（Model-based）的PHM；基于数据驱动（Data-driven）的PHM；融合型PHM方法等。同时，海上浮动式核电站以其调度灵活，有利于核电出口等优势受到业内广泛的重视，成为未来核电发展的趋势之一。其中，核反应堆堆芯临界热流密度（CHF，Critical Heat Flux）限值是必须严格监视的热工参数，对于热能的传递与转化过程中各种依靠控制热流密度运行的换热设备，对核反应堆燃料棒束以及各种动力发动机等来说，一旦热流密度超过CHF值，将导致传热系数迅速下降，极可能造成设备烧毁口。因此，本文通过采用基于数据驱动的PHM方法，利用人工神经网络对海洋条件下核反应堆燃料棒束中的CHF数值进行预测，同时为进一步构造完整的核电PHM系统进行展望。