耦合多变量LSTM与优化算法的铅铋反应堆事故参数预测方法研究

来源：核动力工程杂志2023年第5期北京时间：

作者：冀南, 杨俊康, 赵鹏程, 王凯

单位：南华大学核科学技术学院，湖南衡阳，421001；

摘要：准确预测铅铋反应堆事故工况下关键参数是反应堆安全分析的重要内容，对于提高事故工况下反应堆的安全性有重要意义。本文使用优化算法对长短期记忆（LSTM）神经网络超参数优化来提高网络的预测性能，提出了一种基于多变量LSTM神经网络耦合优化算法的参数预测方法。针对铅铋反应堆MARS-3在无保护失流事故（ULOF）工况下的参数预测问题，通过子通道程序SUBCHANFLOW生成数据样本后，使用逼近理想解排序（TOPSIS）法对所述方法进行综合评价。结果表明，多变量LSTM神经网络耦合粒子群算法的预测性能是最优的，其计算效率可以提升至SUBCHANFLOW的438倍。相关研究成果有助于提高铅铋反应堆关键热工参数预测效率，提高铅铋反应堆的事故应急处置能力。

关键词：多变量长短期记忆（LSTM）, 优化算法, 铅铋反应堆, 事故参数预测, SUBCHANFLOW

基金资助：国家自然科学基金（U21B2059）；国防科工局核能开发科研项目