壓水堆燃料裝載方案的優(yōu)劣與核電站經(jīng)濟(jì)性和安全性直接相關(guān),本文針對壓水堆燃料組件裝載方案優(yōu)化過程中的兩個(gè)主要問題:方案搜索空間大以及方案評價(jià)耗時(shí)長,分別進(jìn)行優(yōu)化。以組件無限增殖因數(shù)以及功率峰因子作為壓水堆組件裝載方案的優(yōu)化目標(biāo),本文選用NSGA-Ⅱ算法縮小有效尋優(yōu)空間,進(jìn)行組件裝載優(yōu)化,并結(jié)合中子物理特性,進(jìn)一步研究組件裝載方案優(yōu)化過程中,NSGA-Ⅱ算法的交叉概率以及初始化種群大小的設(shè)計(jì)問題。研究結(jié)果表明NSGA-Ⅱ算法在針對組件裝載優(yōu)化問題上,收斂性強(qiáng),優(yōu)化能力穩(wěn)定,交叉概率對功率峰因子優(yōu)化影響較大,對無限增殖因數(shù)影響相對較小,選用種群數(shù)目較大的初始條件時(shí),NSGA-Ⅱ算法的優(yōu)化潛力更大,更容易跳出局部最優(yōu)解。在使用NSGA-Ⅱ算法進(jìn)行裝載方案優(yōu)化過程中,每次方案評價(jià)都涉及求解中子輸運(yùn)方程,耗時(shí)較長,本文選用多種機(jī)器學(xué)習(xí)算法,以3×3,5×5,7×7,9×9,14×14,17×17共六種大小規(guī)模的燃料組件作為研究對象,探索機(jī)器學(xué)習(xí)模型對組件燃耗、無限增殖因數(shù)以及功率峰因子的預(yù)測能力,并結(jié)合樹模型算法特征,研究針對上述3種目標(biāo)值的組件裝載方案的特征重要性。最后采用lightgbm算法以...

【文章頁數(shù)】：89 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-1CASMO-4計(jì)算流程圖

圖1-1CASMO-4計(jì)算流程圖CLE-2000的腳本語言進(jìn)行開發(fā)設(shè)類算法計(jì)算柵元或者組件在反應(yīng)DRAGON可選用collisionprobaethod（界面流法）以及l(fā)ongcha的組件計(jì)算流程如圖1-2所示。改DRAGON程序所使用的微觀中特征追蹤....

圖1-2DRAGON-5計(jì)算流程圖

圖1-2DRAGON-5計(jì)算流程圖3機(jī)器學(xué)習(xí)研究現(xiàn)狀1949年Hebb[29]第一次提出機(jī)器學(xué)習(xí)，從此神經(jīng)網(wǎng)絡(luò)模型開始出現(xiàn)在學(xué)者的，1970年由Linnainmaa[30]提出的“自動(dòng)微分的反向模型”是現(xiàn)在神經(jīng)網(wǎng)絡(luò)算重要的組成部分：Backpropagation....

圖2-1普通遺傳算法流程圖

A-II中以個(gè)體之間的擁擠此，與小生境技術(shù)比較，更有利于保證種群的一代的優(yōu)勢基因，能夠保程。度改進(jìn)后的遺傳算法，在法的進(jìn)化流程如圖2-1所問題的初始解進(jìn)行編碼，的初始適應(yīng)值，隨后仿傳到下一代，適應(yīng)值小的傳算子的操作，幫助初始的解集，算法多次迭代后最優(yōu)解。

圖2-2NSGA-II算法流程圖

華南理工大學(xué)碩士學(xué)位論文X2，若X1在S1以及S2兩個(gè)目標(biāo)上都優(yōu)于X2，則稱X1支配，若在整個(gè)待評價(jià)解中，X1不被任何解支配，稱X1為非支配-II算法的流程示意如圖2-2所示，NSGA-II算法先初始化父代種隨機(jī)解（個(gè)體），然后通過標(biāo)準(zhǔn)的遺傳算法得到子代s，....

本文編號：3964174