基于深度学习算法的PIRT自动生成方法研究

来源：核动力工程杂志2025年第4期北京时间：

作者：施丹怡, 高新力, 郭张鹏, 高歌

单位：1.华北电力大学核科学与工程学院，北京，102206；2.生态环境部核与辐射安全中心，北京，100082；

摘要：最佳估算加不确定性（BEPU）分析方法是核安全评审的主要方式之一，但是采用最佳估算程序进行敏感性与不确定性分析的计算成本高，而基于人工智能代理模型可以显著提高分析效率。本文以核电厂蒸汽发生器传热管破裂（SGTR）事故为研究对象，利用深度神经网络算法建立代理模型，并耦合敏感性与不确定性分析软件DAKOTA；根据事故验收准则确定事故的输入、输出变量，以Sobol敏感性为指标进行敏感性分析，获得基于敏感性指标的输入参数重要度排序，并生成二级评级的现象识别与排序表（PIRT）。研究表明，深度神经网络代理模型可以准确地预测关键安全参数的变化趋势，可以用于关键安全参数的敏感性分析，获得参数的重要度分级排序，并自动生成关于参数重要度分级排序的PIRT。

关键词：深度学习, 蒸汽发生器传热管破裂（SGTR）, 敏感性分析, 现象识别与排序表（PIRT）

基金资助：国家自然科学基金（12275084，12027813，12105101，12205099）；中央高校基本科研业务费专项资金（2025MS065）