運用BP（back propagation）人工神經(jīng)網(wǎng)絡(luò)的方法,通過實現(xiàn)堆芯裝載方式建模、自適應(yīng)選擇網(wǎng)絡(luò)節(jié)點數(shù)、調(diào)整學(xué)習(xí)率和隨機梯度下降搜索,快速準(zhǔn)確地預(yù)測了秦山二期壓水堆堆芯燃料換料3個關(guān)鍵參數(shù):有效增殖因數(shù)、組件功率峰因子、棒功率峰因子,解決了傳統(tǒng)方法需消耗大量算力、時間才能計算的問題。數(shù)值實驗發(fā)現(xiàn),對于超出訓(xùn)練數(shù)據(jù)以外的情形,BP神經(jīng)網(wǎng)絡(luò)方法的最大相對誤差仍不超過2%,表明網(wǎng)絡(luò)模型的可靠性和魯棒性能較好,且可毫無困難地推廣至其他參數(shù)預(yù)測,對人工智能算法在核工業(yè)領(lǐng)域的進一步應(yīng)用做出了重要的探索。 

【文章來源】：原子能科學(xué)技術(shù). 2020,54(01)北大核心EICSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

堆芯燃耗組件排布示意圖

BP神經(jīng)網(wǎng)絡(luò)算法流程圖

隱含層節(jié)點數(shù)的選擇對于神經(jīng)網(wǎng)絡(luò)的優(yōu)化至關(guān)重要,隱含層節(jié)點數(shù)會直接影響網(wǎng)絡(luò)的性能。一個基本原則是,應(yīng)選擇合理的隱含層節(jié)點數(shù),使網(wǎng)絡(luò)的整體自由度與數(shù)據(jù)樣本數(shù)相當(dāng)。選用AdamOptimizer,迭代8 000次,測試神經(jīng)元數(shù)在70～400范圍內(nèi)的誤差變化。每間隔10個神經(jīng)元統(tǒng)計1次測試集30組數(shù)據(jù)樣本的平均相對誤差與最大相對誤差,如圖4所示。從圖4可得,神經(jīng)元數(shù)在[300,350]范圍內(nèi)有較好的預(yù)測精度,根據(jù)網(wǎng)絡(luò)結(jié)構(gòu)盡量緊湊的原則,選取神經(jīng)元節(jié)點數(shù)為300。

【參考文獻】：
期刊論文
[1]157組燃料組件組成的堆芯燃料管理研究[J]. 姚紅.  原子能科學(xué)技術(shù). 2013(10)
[2]基于粒子群優(yōu)化算法的壓水堆換料優(yōu)化初步研究[J]. 劉仕倡,蔡杰進.  核動力工程. 2013(05)
[3]基于BP神經(jīng)網(wǎng)絡(luò)的反應(yīng)堆功率預(yù)測[J]. 宋梅村,蔡琦.  原子能科學(xué)技術(shù). 2011(10)
[4]遺傳算法在CANDU堆燃料管理中應(yīng)用的研究[J]. 霍小東,謝仲生.  核動力工程. 2005(06)
[5]模擬退火算法在壓水堆堆芯換料優(yōu)化中的應(yīng)用研究[J]. 楊波,吳宏春,王麗華.  核動力工程. 2003(04)
[6]解非線性方程組的神經(jīng)網(wǎng)絡(luò)方法[J]. 趙華敏,陳開周.  電子學(xué)報. 2002(04)
[7]用人工神經(jīng)網(wǎng)絡(luò)預(yù)報壓水堆堆芯參數(shù)[J]. Han Gon Kim,Soon Heung,Byung Ho Lee,石安榮.  國外核動力. 1994 (06)



本文編號：3327888