典型文献
基于自适应RBF神经网络预测堆芯热工水力参数的方法研究
文献摘要：
反应堆堆芯热工参数的变化直接影响反应堆的安全,准确预测反应堆堆芯在各种工况下的关键热工参数变化趋势,能够大幅度提高反应堆的安全性,有效防止核电厂事故的发生.堆芯内热工水力特性参数受诸多因素的影响,为对其预测方法进行初步研究,确定神经网络预测的可行性,本文选用中国实验快堆(China Experimental Fast Reactor,CEFR)为研究对象,以燃料包壳表面最高温度、质量流量为预测量,通过子通道程序Subchanflow生成数据样本后,使用目前应用较为广泛的两种自适应神经网络方法自行开发预测程序,开展CEFR燃料组件稳态工况下热工参数预测分析,以及选用1/2的CEFR堆芯为研究主体,开展瞬态工况下热工参数的单步与连续预测分析.结果表明:相较于自适应反向传播(Backpropagation,BP)神经网络,自适应径向基(Radial Basis Function,RBF)神经网络具有更强的拟合能力和更高的预测精度,其在稳态工况下最大误差为0.5％;在瞬态工况下,存在个别局部点预测精度较差,但总体上自适应RBF神经网络在温度和质量流量预测良好,温度平均相对误差不超过1％,而流量平均相对误差不超过6％.自适应RBF神经网络模型能够在流动不稳定情况下提供较短时间内的实时预测,其预测结果具有一定参考价值.
文献关键词：
RBF神经网络算法;自适应梯度下降法;快堆;热工参数预测方法
中图分类号：
作者姓名：
冀南;易金豪;赵鹏程;于涛
作者机构：
南华大学核科学技术学院 衡阳 421001;南华大学核燃料循环技术与装备湖南省协同创新中心 衡阳 421001
文献出处：
引用格式：
[1]冀南;易金豪;赵鹏程;于涛-.基于自适应RBF神经网络预测堆芯热工水力参数的方法研究)[J].核技术,2022(09):65-74
A类：
Subchanflow,自适应梯度下降法,热工参数预测方法
B类：
RBF,神经网络预测,水力参数,反应堆堆芯,准确预测,测反,参数变化,大幅度提高,核电厂,内热,热工水力特性,特性参数,定神,中国实验快堆,China,Experimental,Fast,Reactor,CEFR,燃料包壳,最高温度,质量流量,子通道程序,自适应神经网络,神经网络方法,测程,燃料组件,稳态工况,预测分析,研究主体,瞬态工况,单步,反向传播,Backpropagation,径向基,Radial,Basis,Function,最大误差,别局,点预测,上自,流量预测,平均相对误差,流动不稳定,定情,实时预测,神经网络算法
AB值：
0.32576
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
