基于神经网络的核电厂设备易损性分析

摘要

核电结构的易损性分析是核电厂地震安全评估中至关重要的一环,但是由于核电结构的复杂性以及考虑土-结相互作用SSI时较大的计算规模,使得计算核电厂设备易损性曲线十分耗时.为发展高效的核电厂设备易损性分析方法,本文采用核电结构土-结相互作用分析的分区计算方法,并利用有限的SSI分析结果建立神经元模型ANN代替有限元模型,分别基于对数正态假定的回归法和蒙特卡洛法进行了设备易损性分析.ANN数值模拟包括了以下内容:(1)基于半偏相关系数选择最相关的地震动参数作为ANN输入,并通过交叉检验建立神经元模型;(2)量化研究ANN数值模拟的预测不确定性,其中包含了由于简化地震动输入引起的随机不确定性和训练样本缺失引起的认知不确定性;(3)基于ANN模型预测结果分别采用蒙特卡洛法和基于对数正态假定的回归法进行设备的易损性分析.本文探讨了不同的地震强度指标以及土层材料的不确定性对易损性曲线的影响,同时验证了回归法中对数正态模型假定的基本合理性,为核电厂设备易损性分析提供了一种可能方向.