集成学习模型的堆芯物理关键参数预测

摘要

为了解决抽样统计的不确定性分析方法需执行大量重复的高保真物理计算而导致计算代价过大问题,本文采用与实际物理计算过程等价的预测模型开展计算,将重复计算时间降低至秒的量级.通过分析物理计算输入数据与输出参数的关系,利用堆叠法构建的集成学习模型建立了高保真反应堆物理计算堆芯关键参数预测模型,实现了堆芯关键参数的预测.为验证预测模型的计算效果,选择2D C5G7及3D C5G7稳态问题及单组件瞬态问题的堆芯有效增殖因子和归一化功率等分别进行了验证.验证结果表明:预测模型的预测结果与实际计算结果符合得很好,预测模型可作为开展进一步堆芯关键参数不确定性分析的工具基础.