基于POD-ML方法的棒束子通道瞬变工况参数预测研究

来源：核动力工程杂志2025年第2期北京时间：

作者：许宇杰, 莫锦泓, 董晓朦, 刘永, 徐安琪, 于洋

单位：1.深圳大学物理与光电工程学院深圳市核与辐射安全重点实验室，广东深圳，518060；2.深圳大学物理与光电工程学院中国核能与安全高等研究院，广东深圳，518060；3.国防科技大学并行与分布计算全国重点实验室，长沙，410073；4.中国核动力研究设计院，成都，610213；

摘要：降阶模型（ROM）通过将全阶守恒方程映射至低阶子空间或构建数据驱动的代理模型，有效降低了物理模型的复杂性。相比传统的计算流体动力学（CFD）仿真，ROM在大规模仿真计算中计算效率更高。本文利用本征正交分解（POD）结合机器学习（ML），提出了一种适用于瞬态工况的ROM框架，并以此实现棒束子通道内质量流量参数瞬态预测。针对POD和ML不同方式结合的预测方法进行对比，结果显示长短期记忆神经网络（LSTM）+POD方法更适合短期预测，而在长期预测时POD+LSTM方法误差更小，可为未来进行其他复杂系统的预测提供方案。

关键词：降阶模型（ROM）技术, 棒束子通道, 机器学习

基金资助：广东省基础与应用基础研究基金面上项目（2023A1515011977）；深圳市优秀科技创新人才项目（RCBS20221008093119044）；四川省自然科学基金（青年科学基金）项目（2023NSFSC1321）