针对事故工况下堆芯功率变化的特点和神经网络（ANNs）易陷极小值、收敛速度慢等问题,提出一种基于ν-支持向量回归机（ν-SVR）的事故工况下堆芯功率预测方法。该方法运用k重交叉验证（k-CV）完成对ν-SVR参数的优化,然后在此基础上设计2种不同的ν-SVR预测器并将其用于弹棒事故（REA）和落棒事故（RDA）工况下的堆芯功率预测。研究表明,与ANNs相比,该方法具有更高的预测精度和更短的响应时间。
类型: 期刊论文
作者: 蒋波涛,黄新波,Hines J.Wesley,赵福宇
关键词: 支持向量机,弹棒事故,落棒事故
来源: 核动力工程 2019年06期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 核科学技术,电力工业
单位: 西安工程大学电子信息学院,田纳西大学核工系,西安交通大学核科学与技术学院
基金: 国家自然科学基金青年项目(11705135),国家留学基金资助项目（201508610045）,陕西省教育厅专项科研计划项目（15JK1297）,西安工程大学博士科研启动基金项目(BS1339)
分类号: TM623
DOI: 10.13832/j.jnpe.2019.06.0105
页码: 105-108
总页数: 4
文件大小: 602K
下载量: 65
本文来源: https://www.lunwen66.cn/article/ba8a6c9769d37a1c20370201.html