机器学习在液态金属氧浓度预测以及海洋条件下临界热流密度预测中的应用

发布时间：2021-03-27 03:47

　　机器学习是一门研究机器获取新知识和新技能,并识别现有知识的学问。机器学习因为它强大的拟合能力,鲁棒性被广泛的应用于经济,工程等领域,其常用于数据挖掘,计算机视觉,自然语言处理,医学诊断等方面,有着极强的预测以及分类功能。因此,本次研究为了研究核电站在海洋条件下棒束组件临界热流密度(的热工水力特性,以及建立液态铅铋合金中的氧浓度预测机制,在已有的实验数据基础之上,本文通过建立神经网络,支持向量机,随机森林,深度学习等模型对海洋条件下的CHF点以及液态铅铋合金中的氧浓度进行了预测。其中,本次研究中的海洋条件,主要是通过震荡波形来用计算机模拟海洋条件,再通过基于实验数据的临界热流密度查询程序来构建原始训练数据。经过研究发现,随着数据量的增加,数据维度的健全,机器学习算法能够很好的预测液态金属中的氧浓度以及海洋条件下的临界热流密度。尤其通过算法集成技术,将多个简单的算法集成,利用集成算法进行数据预测,能够得到更好的效果。本次论的这项工作,为次临界加速系统中一回路液态铅铋的固态氧控,以及海洋条件下的反应堆安全运行提供了一个新的思路,同时为未来探索人工智能控制的核动力装置,以及发展人工智能技术在核... 

【文章来源】：华北电力大学(北京)北京市 211工程院校 教育部直属院校

【文章页数】：54 页

【学位级别】：硕士

【部分图文】：

图１－１神经网络和深度神经网络示意图??伴随着神经生物学相关的发展，人工神经网络（Ａｒｔｉｆｉｃｉａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，??

期的现象通常会在高含汽率的条件当中产生。??核电站简介以及研究现状??以来，人们越来越多的开始关注浮动核电站的发展，产生这种现，浮动核电站能够使用在没有电网，人很少，但是又靠近海洋包括了再地球的南极以及北极地区，而且特别能运用在石油的过这样的方式方法，使得浮动核电站，可以应用在很多没有建造比较遥远的地方，为这些地区提供电力以及热量，不仅如此，能应用在能源密集型号的海水淡化的领域。??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成为未来核电发展的趋势之一。浮动式核电在海洋上运行过程将受到海洋运动条件的影响，核动力装置在海洋上运行的时候，将会受到海洋运动条件的影响，例如，摇摆，起伏，偏转等运动化的运动模式将会对反应堆中的热量传递以及临界热流密度确预测临界热流密度是一个保证反应堆安全运行的非常重要的

图２－１支持向量与间隔??，＆６，

【参考文献】：
期刊论文
[1]运动条件下CHF机理模型开发[J]. 刘文兴.  科技创新导报. 2015(22)
[2]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正.  计算机应用研究. 2012(08)
[3]摇摆运动下系统空间布置对自然循环流动特性的影响[J]. 谭思超,高璞珍,苏光辉.  西安交通大学学报. 2008(11)
[4]摇摆状态下入口段和上升段对两相流动不稳定性的影响[J]. 郭赟,秋穗正,苏光辉,张友佳,贾斗南.  核动力工程. 2007(06)
[5]BP神经网络改进算法在核电设备故障诊断中的应用[J]. 谢春丽,夏虹,刘永阔,刘邈,张宝锋.  核动力工程. 2007(04)
[6]临界热流密度的人工神经网络预测法[J]. 武俊梅,苏光辉.  核动力工程. 2007(01)
[7]人工神经网络在圆管临界热流密度数据分析中的应用研究[J]. 黄彦平,单建强,陈炳德,朱继洲,郎雪梅,贾斗南.  核科学与工程. 2003(01)
[8]简谐海洋条件下堆芯冷却剂系统自然循环能力分析[J]. 杨珏,贾宝山,俞冀阳.  核科学与工程. 2002(03)
[9]海洋条件下冷却剂系统自然循环仿真模型[J]. 杨珏,贾宝山,俞冀阳.  核科学与工程. 2002(02)
[10]起伏对强制循环和自然循环的影响[J]. 高璞珍,王兆祥,刘顺隆.  核科学与工程. 1999(02)



本文编号：3102824