[发明专利]基于多种机器学习的CHF预测方法及装置

说明书

本发明涉及一种CHF预测技术领域，是一种基于多种机器学习的CHF预测方法及装置，包括：获得待预测数据集；将每一组待预测数据输入预测模型中，输出对应的CHF预测值，导出预测结果文件；结合预测结果文件，绘制CHF值变化图。本发明提出了一种基于多种机器学习的CHF预测方法及装置，根据需要选取基础数据，并通过多种机器学习获得对应的多个待用预测模型，选择其中预测精度最高的作为最终使用的预测模型，从而提高了CHF预测精度，增加了本发明的使用灵活度，扩大了本发明的应用范围，并通过结合预测结果文件绘制CHF值变化图，直观体现CHF值变化规律，增加本发明的使用效果及用户体验。

技术领域

本发明涉及一种CHF预测技术领域，是一种基于多种机器学习的CHF预测方法及装置。

背景技术

燃料组件的临界热流密度（CHF）是反应堆热工水力设计中重要限制性参数，其大小直接影响了反应堆的安全性、经济性。临界热流密度（CHF）表征为燃料元件加热表面热流密度达到偏离核态沸腾所对应的热流密度值。当发生临界热流密度（CHF）现象时，燃料元件部分加热表面会覆盖一层气泡薄膜，由于气膜的换热系数低，故而会导致堆芯内部传热条件恶化，引起燃料元件加热面的温度急剧上升，使得燃料元件融毁，发生严重的反应堆安全事故。另外，提高CHF也是高燃料及反应的效率的重要途径。因此，实现对不同系统参数下CHF值的准确预测十分重要。

目前关于CHF参数预测方法主要以实验和理论研究为主，前者通过实验数据经过回归分析提出经验关系式、绘制CHF预测查询表，后者建立了相关预测模型，该方法大多针对某一特定对象开展，应用范围比较狭窄，无法针对新的系统参数对关系式进行有效更新，同时简单回归分析的预测精准度不高。后者通过已有公开资料显示的高斯过程回归预测方法将所测数据分为训练集、测试集，经过建立高斯过程回归方程，实现目标输出的预测，该方法存在的计算量大、耗时长以及参数噪声局限于高斯分布假设问题，使得预测精准度不高。

发明内容

本发明提供了一种基于多种机器学习的CHF预测方法及装置，克服了上述现有技术之不足，其能有效解决现有CHF预测方法针对某一特定对象开展预测存在应用范围窄，预测精准度不高的问题。

本发明的技术方案之一是通过以下措施来实现的：一种基于多种机器学习的CHF预测方法，包括：

获得待预测数据集，待预测数据集包括一组或多组待预测数据，每一组的待预测数据均包括压力、质量流速、含水率三个参数；

将每一组待预测数据输入预测模型中，输出对应的CHF预测值，导出预测结果文件，其中预测模型为多个待用预测模型中精度最高的，每个待用预测模型均为使用多组基本数据通过机器学习训练后得出的，每个待用预测模型对应的机器学习算法均不相同，多组基本数据中的每一组基本数据均包括压力、质量流速、含水率三个参数和对应的CHF值；

结合预测结果文件，绘制CHF值变化图。

下面是对上述发明技术方案的进一步优化或/和改进：

上述CHF值变化图为2D曲线图或3D曲面图，所述绘制CHF值变化图包括：

在压力、质量流速、含水率三个参数中选取一个参数固定，并确定该参数值，在预测结果文件中查找包含该参数值的所有预测结果数据，形成3D曲面图；

在压力、质量流速、含水率三个参数中选取两个参数固定，并确定对应的两个参数值，在预测结果文件中查找包含这两个参数值的所有预测结果数据，形成2D曲线图。

上述确定预测模型，包括：

获得基本数据文件，其中基本数据文件包括多组基本数据，每一组基本数据均包括压力、质量流速、含水率三个参数和对应的CHF值；

将基本数据文件划分为训练集和测试集；