基于改进BP神经网络实现后处理非均一工况的临界参数预测

来源：核动力工程杂志2023年第6期北京时间：

作者：孙铭泽, 成昱廷, 马骁笛, 夏兆东, 周琦, 朱庆福, 薛小刚

单位：中国原子能科学研究院，北京，102413；

摘要：作为后处理厂的关键工艺设备，萃取柱、贮槽经常出现溶液浓度波动工况（即非均一工况），而对其进行临界安全分析时，技术人员假定浓度扩大若干倍来进行保守分析——这虽满足保守性要求，但引入了过多的临界裕量，限制了后处理工艺的处理效率和能力。为解决这些问题，本研究基于改进BP神经网络方法，利用大型蒙特卡罗程序MCNP，针对典型设备结构尺寸完成了随机浓度分布的梯度建模，实现了基于浓度分布预测有效增殖因子（<i>k</i>_eff）的临界安全分析方法。数据测试结果表明，以本研究方法计算非均一工况<i>k</i>_eff的结果平均误差为1.82×10⁻⁴，损失函数均方差收敛值为3.34×10⁻⁶，远小于未改进的模型（2.4450×10⁻⁴）。同时与保守方法对比，本研究方法引入的临界裕量为–1.31×10⁻³，远小于传统方法（0.32951）。结果证明本研究方法在满足保守性的前提条件下，计算结果更精准、更有效，为后处理临界安全分析提供了方法参考。

关键词：改进BP神经网络, 非均一工况, 参数预测, 有效增殖因子（<i>k</i>_eff）