文章详情
| 稿件标题： | 基于机器学习的燃料棒核素及燃耗预测 |
| 稿件作者： | 王鹤茗，张昊春，孙文博，张海明，张广春 |
| DOI： | 10.11809/bqzbgcxb2022.09.025 |
| 科学编辑： | 伊雄鹰（海军核化安全研究所研究员） |
| 栏目名称： | 装备理论与装备技术 |
| 关键词： | 燃耗测量；钚同位素；机器学习；岭回归；神经网络 |
| 文章摘要： | 为提升核反应堆燃料棒的燃耗预测能力，采用机器学习方法，依据数值计算VVER-1000型反应堆得到的U41型燃料棒的核素含量及平均燃耗数据样本，通过岭回归、BP神经网络和卷积神经网络3种算法，建立不同平均燃耗与核素含量间的回归模型，并以均方误差(MSE)及R2作为评估标准评价模型，利用训练好的模型在测试集中对目标进行预测。结果表明:岭回归、BP神经网络及卷积神经网络等机器学习方法在预测核素含量及平均燃耗方面有较高准确性，与传统方法相比，降低了整个测量过程的复杂程度，提高了测量效率，可为人工智能算法在核工业领域的应用提供参考。 |
| 稿件基金： | 国家科技重大专项（2019ZX06005001001001）；国家重点研发计划资助（2020YFB1901900） |
| 引用本文格式： | 王鹤茗，张昊春，孙文博，等.基于机器学习的燃料棒核素及燃耗预测［J］.兵器装备工程学报，2022，43(09)：179-185. WANG Heming, ZHANG Haochun, SUN Wenbo, et al.Prediction of fuel rod nuclide and burnup based on machine learning［J］.Journal of Ordnance Equipment Engineering，2022，43(09)：179-185. |
| 刊期名称： | 2022年09期 |
| 出版时间： | 2022年9月 |
| 上线时间： | 2022年9月28日 |
| 浏览次数： | 2299 |
| 下载次数： | 24 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |