基于决策树的堆芯物理参数预测研究

作者：周剑东; 谢金森^*; 曾文杰; 于涛; 陈珍平; 赵鹏程; 谢芹; 刘紫静; 谢超

来源：原子能科学技术, 2020, 54(02): 296-301.

• 数据挖掘
• 燃料组件
• 堆芯
• 物理参数
• 快速预测

反应堆堆芯核设计涉及大量方案的搜索与详细计算,缩短方案搜索时间有利于提高核设计效率。数据挖掘技术通过对大量数据进行学习与模式识别,可实现核设计方案物理参数的快速预测,更快地筛选出可行的备选堆芯方案。本文基于数据挖掘的决策树4种算法:C4.5、RepTree、Random Forest及Random Tree,在计算时以燃料富集度、含可燃毒物燃料棒数量及含量作为自变量,以寿期内keff不均匀系数偏差(KUCD)、径向功率不均匀系数偏差(RPNCD)、径向中子通量不均匀系数偏差(RFNCD)、堆芯寿期(CL)作为目标函数,构成目标函数符合度(CPF),利用大量已知核设计参数的组件及堆芯设计方案作为数据挖掘训练集,构建数据挖掘模型,并用于对未知核设计参数的组件方案集合(测试集)进行CPF快速预测。结果表明,4种算法利用训练集构建数据挖掘模型的时间在0.6 s以内,各算法的交叉验证精度均在0.7以上,其中C4.5算法对CPF预测精度最高;对测试集方案的核设计参数预测中,单个方案的预测时间均在0.9 s以内,而Random Forest算法对CPF等于4的预测效果最好。

• 单位
  南华大学