基于决策树的堆芯物理参数预测研究

发布时间：2021-02-25 00:17

　　反应堆堆芯核设计涉及大量方案的搜索与详细计算,缩短方案搜索时间有利于提高核设计效率。数据挖掘技术通过对大量数据进行学习与模式识别,可实现核设计方案物理参数的快速预测,更快地筛选出可行的备选堆芯方案。本文基于数据挖掘的决策树4种算法:C4.5、RepTree、Random Forest及Random Tree,在计算时以燃料富集度、含可燃毒物燃料棒数量及含量作为自变量,以寿期内k_eff不均匀系数偏差（KUCD）、径向功率不均匀系数偏差（RPNCD）、径向中子通量不均匀系数偏差（RFNCD）、堆芯寿期（CL）作为目标函数,构成目标函数符合度（CPF）,利用大量已知核设计参数的组件及堆芯设计方案作为数据挖掘训练集,构建数据挖掘模型,并用于对未知核设计参数的组件方案集合（测试集）进行CPF快速预测。结果表明,4种算法利用训练集构建数据挖掘模型的时间在0.6 s以内,各算法的交叉验证精度均在0.7以上,其中C4.5算法对CPF预测精度最高;对测试集方案的核设计参数预测中,单个方案的预测时间均在0.9 s以内,而Random Forest算法对CPF等于4的预测效果最好。 

【文章来源】：原子能科学技术. 2020,54(02)北大核心

【文章页数】：6 页

【文章目录】：
1 数据挖掘算法
2 数据样本构建
    2.1 自变量选取
    2.2 目标函数选取
3 结果分析
    3.1 算法分析
    3.2 关联分析
    3.3 预测分析
4 结语


【参考文献】：
期刊论文
[1]百万千瓦级压水堆核电站长燃耗堆芯钆可燃毒物优化研究[J]. 咸春宇,章宗耀,刘旭东,李庆.  核动力工程. 1999(03)
[2]几种新型可燃毒物的特性以及在我国的应用前景[J]. 黄锦华,邢辉,程平东.  原子能科学技术. 1998(01)

博士论文
[1]快堆堆芯燃料管理优化研究[D]. 杨晓燕.清华大学 2010

硕士论文
[1]富集度对堆芯物理特性影响的研究[D]. 余文生.哈尔滨工程大学 2013



本文编号：3050148