基于ARIMA和LSTM组合模型的核电厂主泵状态预测_朱少民.pdf

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

该用户很懒，什么也没介绍

咨询Ta 进入空间

更多 >