基于机器学习的小型核反应堆系统状态预测方法
曾聿赟1 刘井泉1 杨春振1 孙凯超2
生成PDF 清样下载 引用

复制成功

导出题录

参考文献( GB/T 7714-2015 ) 复制

曾聿赟1 刘井泉1 杨春振1 孙凯超2,. 基于机器学习的小型核反应堆系统状态预测方法[J]. 核工业与技术,2018.3. DOI:.
查新格式 NoteExpress RefWorks NoteFirst EndNote Bibtex
摘要:
为支持小型可移动高温熔盐堆(TFHR)自动控制系统的开发，提出了一种基于机器学习的反应堆状态预测模型，以根据仪控系统的监测数据评估反应堆当前状态并预测其未来发展。该模型由一个反应堆物理子模型和热工子模型构成，由TFHR一回路的RELAP模型生成训练数据，通过支持向量回归(SVR)训练得到，并采用粒子滤波(PF)方法估计其中的未知模型参数。通过TFHR反应性引入事故的测试算例表明，本文提出的预测模型在预测反应堆状态、估计模型参数(如反应性引入率)等方面具有良好的性能。
关键词: 机器学习；状态预测；粒子滤波(PF)；反应堆自动控制；
DOI:
基金资助:

查看本期封面目录
核工业与技术
ISSN：3079-0018
所属期次： 2018.3
为你推荐

《》在线投稿系统

*文章题目:
*作者姓名:
*电子邮箱:
*通讯地址:
*联系方式:

  备      注:

*上传稿件:

支持上传.doc,.docx,.pdf,.txt,.wps文件

投稿须知：

1、审稿结果将于1~7个工作日以邮件告知，请注意查收（包含录用通知书、审稿意见、知网CNKI查重报告）。

2、提交投稿后，若7个工作日之内未接到录用通知，则说明该文章未被录用，请另投他刊。

3、凡投寄本刊稿件，如在内容上有侵权行为或不妥之处，均应文责自负。本刊有权对来稿进行文字编辑、加工和修改，如不同意，请附说明，以便妥善处理。

4、多作者文稿署名时须征得其他作者同意，排好先后次序，通知用稿后不再改动。

5、凡投往本刊稿件一经录用发表，其版权归本刊所有。

6、本刊已全文录入中国知网、万方、维普等数据库，如作者不同意被收录，请提前申明，未申明者，本刊一律视为同意被收录。

7、请勿一稿多投。