基于再淹没现象的RBF神经网络与Kriging代理模型研究.pptx

content目录01研究背景与问题提出02理论基础与模型构建机制03关键技术实现与参数优化策略04模型性能评估与误差量化分析05综合比较与前沿拓展方向

研究背景与问题提出01

再淹没现象在核反应堆热工水力系统中的关键作用引发高精度建模需求再淹没机制再淹没是核反应堆事故后安全注入水重新填充堆芯的关键过程，直接影响燃料棒冷却效率。该过程涉及复杂的两相流与传热现象，需高精度建模保障安全性。建模挑战传统多物理场仿真如RELAP5计算成本高昂，难以支持多次迭代与实时分析。高保真模拟耗时限制了其在风险评估与优化设计中的广泛应用。代理模型价值RBF与Kriging代理模型可快速逼近复杂输入输出关系，显著降