[发明专利]基于bagging集成神经网络的压水堆堆芯参数预测模型设计方法

权利要求书

1.一种基于bagging集成神经网络的压水堆堆芯参数预测模型设计方法，包括：

(1)根据堆芯的对称性选取部分堆芯燃料组件作为物理特性分析对象，确定堆芯燃料组件的排布规则；

(2)针对堆芯燃料组件排布方案确定均匀样本抽样方法；

(3)将均匀抽样获得的样本结果根据对称性补充完整，生成输入文件并通过模拟程序进行计算，得到对应的关键堆芯参数；

(4)将堆芯燃料组件进行一维排列，用二进制数表示每一种燃料组件，形成燃料组件二进制排布数据，然后组合生成包含关键堆芯参数数值和堆芯排布方式的二进制数值的原始数据集；

(5)将原始数据集按比例划分为训练集和测试集，并基于训练多个模型的目标，进行子训练集抽样设计；

(6)进行弱学习器的设计；

(7)进行集成网络设计，确定训练样本数量、弱学习器数量，以及集成方法。

2.如权利要求1所述的基于bagging集成神经网络的压水堆堆芯参数预测模型设计方法，其特征在于，步骤(1)中将选取的部分堆芯燃料组件进行区域划分，所确定的排布规则是：燃料组件只能在每个特定区域内部进行调换。

3.如权利要求2所述的基于bagging集成神经网络的压水堆堆芯参数预测模型设计方法，其特征在于，步骤(1)中按对称性取堆芯1/8部分燃料组件作为物理特性分析对象。

4.如权利要求2所述的基于bagging集成神经网络的压水堆堆芯参数预测模型设计方法，其特征在于，步骤(2)中所述的均匀样本抽样方法为：从不同区域所有排布方式中各随机抽取一种方式，并进行组合而获得一个样本，重复抽样m次，即可获得m个能够反映整个组合空间的样本。

5.如权利要求1-4中任意一项所述的基于bagging集成神经网络的压水堆堆芯参数预测模型设计方法，其特征在于，步骤(3)中所述的模拟程序为CASMO5程序，计算得到的关键堆芯参数包括有效增殖因数、组件功率峰因子和棒功率峰因子。

6.如权利要求1-4中任意一项所述的基于bagging集成神经网络的压水堆堆芯参数预测模型设计方法，其特征在于，步骤(4)中所述原始数据集中包含80维堆芯排布方式的二进制数值以及对应的关键堆芯参数数值。

7.如权利要求1所述的基于bagging集成神经网络的压水堆堆芯参数预测模型设计方法，其特征在于，步骤(5)中将原始数据集按8︰2比例划分为训练集和测试集。

8.如权利要求1或7所述的基于bagging集成神经网络的压水堆堆芯参数预测模型设计方法，其特征在于，在从训练集中抽取训练样本时，采用全局抽样与重点区域抽样相结合的方法，针对重点区域训练样本进行加密抽样。

9.如权利要求1-4中任意一项所述的基于bagging集成神经网络的压水堆堆芯参数预测模型设计方法，其特征在于，步骤(6)中使用三层BP神经网络作为弱学习器模型，BP神经网络的隐藏层节点数量为1024。

10.如权利要求9所述的基于bagging集成神经网络的压水堆堆芯参数预测模型设计方法，其特征在于，步骤(7)中训练样本数量选择5000个，弱学习器数量为10个，集成方法采用平均数集成方法。