基于数据挖掘技术的组件核子密度预测研究

来源：核动力工程杂志2021年第4期北京时间：

作者：雷济充, 谢金森, 于涛, 周剑东, 陈珍平, 赵鹏程, 谢超, 倪梓宁

单位：1.南华大学核科学技术学院，湖南衡阳， 421001；2.南华大学湖南省数字化反应堆工程技术研究中心，湖南衡阳， 421001；3.上海核工程研究设计院有限公司，上海，200000；

摘要：采用DRAGON程序对9600个样本进行计算，并以²³⁵U、²³⁸U、²³⁹Pu、²⁴¹Pu、¹³⁷Cs、²⁴⁴Cm以及¹⁵⁴Nd核素的核子密度为预测参数，选用线性回归模型、基于决策树构建的回归树模型、多层感知机（MLP）模型和随机森林模型开展模型训练，选用皮尔逊相关系数（PCC）、平均绝对误差（MAE）、相对绝对误差（RAE）、相对均方根误差（RRSE）评价模型的拟合效果；利用训练好的模型在测试集中对目标核素进行预测，通过相对误差评价其预测精度。结果表明，训练数据模型的时间均在3 s以内；通过选取的参数的评价可得，对于所有预测核素，在4种模型中训练效果最佳的为MLP模型，其相关性均在0.999以上；MLP模型对所有的预测核素的预测平均偏差小于1%。本文初步验证了数据挖掘技术在组件核子密度预测方面的可行性。

关键词：数据挖掘, 燃耗, 核子密度, DRAGON, 多层感知机

基金资助：湖南省科技创新技术（2020RC4053）；湖南省研究生科研创新项目（CX20200946）；国防科技工业核动力技术创新中心项目（HDLCXZX-2018-ZH-031）