摘要：準確地預測臨界熱流密度(CHF)對于反應堆的安全和運行十分重要。針對現(xiàn)有人工神經(jīng)網(wǎng)絡(ANNs)預測方法所存在的缺點,提出一種基于高斯過程回歸(GPR)的CHF預測方法。首先對獲取的當?shù)貤l件下CHF數(shù)據(jù)進行預處理,將數(shù)據(jù)劃分為訓練集和測試集;然后,利用訓練數(shù)據(jù)對GPR模型進行訓練,并得到最優(yōu)超參數(shù);再利用訓練好的GPR模型對CHF進行預測,并將結(jié)果與徑向基神經(jīng)網(wǎng)絡(RBFNN)進行比較,同時分析了重要參數(shù)對CHF的影響趨勢。結(jié)果表明,與RBFNN相比,GPR模型的預測結(jié)果具有更高的預測精度和更小的誤差,且與對應的實驗值吻合較好,其參數(shù)趨勢符合通用的趨勢變化規(guī)律。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
