基于SSA-LSTM的海洋条件下稳压器液位回归预测研究

来源：核动力工程杂志2025年第2期北京时间：

作者：李东阳, 权紫轩, 张彪, 李江宽, 谭思超, 田瑞峰

单位：1.哈尔滨工程大学黑龙江省核动力装置性能与设备重点实验室，哈尔滨，150001；2.哈尔滨工程大学核安全与先进核能技术工信部重点实验室，哈尔滨，150001；3.武汉第二船舶设计研究所，武汉，430062；

摘要：为保证核动力装置在海洋环境下的安全运行，有必要建立一套计算模型获得稳压器内的实时液位。通过搭建实验系统采集相关数据，采用基于麻雀搜索算法（SSA）优化长短期记忆（LSTM）神经网络（SSA-LSTM），根据测得的压力、运动姿态等关键参数建立液位回归预测模型。研究结果表明，所建立的液位回归预测模型预测精度优秀，明显优于其他传统神经网络。此外，该模型的泛化能力良好，对于新鲜样本的预测精度也较高，将其集成到控制系统中可实时输出稳压器液位，从而提高海洋条件下核动力装置运行的安全性，并为后续核动力装置的智能运维提供参考。

关键词：海洋条件, 麻雀搜索算法（SSA）, 长短期记忆（LSTM）神经网络, 液位回归预测