支持向量机算法在三维堆芯弹棒事故中应用.pdfVIP

中国核科学技术进展报告第二卷 核能动力分卷下 年 月 支持向量机算法在三维堆芯弹棒事故中的应用 蒋波涛赵福宇 西安交通大学核科学与技术学院陕西 西安 摘要基于三维堆芯的中子动力学模型和热工水力模型使用堆芯三维仿真程序模拟堆芯弹棒事故得到三组不同工 况下反应堆堆芯功率的变化数据并把这些数据分为训练和验证支持向量机算法 的训练集和验证集来预测弹棒瞬态事故时堆芯功率的动态变化而且和其他两种预测方法做了比较预测结果表 明支持向量机算法在预测性能指标上优于其他两种算法计算速度更快预测精度更高除此之外和传统的预测方 法相比支持向量机算法无需人为假设模型和先验知识完全从数据内部关系出发所得结果更加可靠可用三维堆芯 的其他瞬态事故分析中 关键词三维堆芯支持向量机弹棒 核反应堆弹棒事故是指在反应堆运行过程中堆顶的密封壳破裂一回路高压水从破口处冲出 如果破口面积足够大高压水就会把控制棒从堆芯弹出弹棒事故发生的过程是向堆芯快速引入正 反应性的过程从而造成功率瞬间激增燃料棒和冷却剂温度随之升高冷却剂压力随之升高情况严 重时可导致燃料包壳烧毁燃料芯块熔化虽然发生弹棒事故的几率比较小但是一旦发生后果十 分严重所以弹棒事故和大破口失水事故一样都属于反应堆极限事故即第四类事故 当反应堆发生弹棒事故时由于向堆芯很快引入了一个比较大的正反应性所以这时的反应堆功 率失控功率很快上升随后由于燃料和慢化剂的反馈效应使反应堆正的反应性下降功率也跟着开 始下降本文基于三维堆芯仿真程序使用数据挖掘中的支持向量机算法对不同工况下的弹棒瞬态 进行预测分析 原理 支持向量机 是一种基于统计学习理论之上的一种新的学习算法 包含了支持向量 分类和支持向量回归问题 支持向量回归问题和分类问题类似都是在给定训练样本 其中 是输入 是输出回归问题与分类问题所不同之处在于 并不限定