- 1、本文档共8页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
第43卷第2期核动力工程Vol.43.No.2
2022年4月NuclearPowerEngineeringApr.2022
文章编号:0258-0926(2022)02-0246-08;DOI:10.13832/j.jnpe.2022.02.0246
基于ARIMA和LSTM组合模型的
核电厂主泵状态预测
1,21,2*33
朱少民,夏虹,吕新知,卢川,
1,21,21,2
张汲宇,王志超,尹文哲
1.核安全与先进核能技术工信部重点实验室,哈尔滨,150001;2.哈尔滨工程大学核安全与仿真技术国防重点学科实验室,
哈尔滨,150001;3.中国核动力研究设计院核反应堆系统设计技术重点实验室,成都,610213
摘要:为了对核电厂主泵的运行过程进行监测和追踪,进而提高主泵的预警能力,提出了基于差分自回
归移动平均(ARIMA)和长短期记忆(LSTM)神经网络组合模型的主泵状态预测方法,并用该方法对某核
电厂主泵止推轴承温度和可控泄漏流量进行单步和多步预测,以根均方误差(RMSE)为指标对预测精度进
行评估。结果表明,所建立的ARIMA和LSTM神经网络组合模型能够对主泵的状态进行准确的预测和追踪,
并且组合模型的预测精度要优于ARIMA和LSTM单一模型,尤其在多步预测中,组合模型的优势更加明显。
关键词:ARIMA;LSTM;组合模型;主泵;时序预测;状态监测
中图分类号:TL363文献标志码:A
ConditionPredictionofReactorCoolantPumpinNuclear
PowerPlantsbasedontheCombinationofARIMAandLSTM
1,21,2*33
ZhuShaomin,XiaHong,LyuXinzhi,LuChuan,
ZhangJiyu1,2,WangZhichao1,2,YinWenzhe1,2
1.KeyLab
您可能关注的文档
- 《电力电子技术》课程典型教学案例.docx.pdf
- Temperature_Prediction_of_Transformer_High-Voltage_Bushing_Based_on_PSO-LSTM基于PSO-LSTM的变压器高压套管温度预测.pdf
- 基于AVMD-CNN-GR...on的超短期风功率预测研究_任东方.pdf
- 基于CEEMDAN-SG-...器油中溶解气体体积分数预测_陈铁.pdf
- 基于CNN-Attenti...LSTM的大坝变形预测模型_施彦彤.pdf
- 基于CNN-GRU-AE的蓝莓货架期预测模型研究.pdf
- 基于CNN-GRU-ISS...oost的短期光伏功率预测.pdf
- 基于CNN-GRU深度学习...化多电平矩阵变换器故障诊断_朱晋.pdf
- 基于CNN-GRU组合神经...数控机床进给系统热误差研究.pdf
- 基于GRU-CNN模型的云南地区短期气温预测.pdf
文档评论(0)