申请/专利权人:中国原子能科学研究院
申请日:2023-12-26
公开(公告)日:2024-03-29
公开(公告)号:CN117789856A
主分类号:G16C20/30
分类号:G16C20/30;G16C20/70;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.16#实质审查的生效;2024.03.29#公开
摘要:本发明的实施例涉及利用机器学习进行核临界安全分析的技术领域,具体涉及一种有效增值因子的预测方法,包括:将待测的放射性溶液按照浓度梯度变化划分为多个区域,获取每个区域放射性溶液的体积和浓度;根据多个区域的放射性溶液的体积和浓度,确定待测的放射性溶液的浓度分布向量;获取多组样本数据,每组样本数据包括放射性溶液的浓度分布向量以及对应的有效增殖因子;构建神经网络,将样本数据输入神经网络,以训练优化神经网络;将待测的放射性溶液的浓度分布向量输入优化后的神经网络,得到待测的放射性溶液的有效增殖因子的预测值。本实施例提供的预测方法能够提高放射性溶液的有效增值因子的预测效率和准确性,以实现智能化预测。
主权项:1.一种有效增值因子的预测方法,其特征在于,用于预测浓度分布存在梯度变化的放射性溶液的有效增殖因子,其包括以下步骤:将待测的所述放射性溶液按照浓度梯度变化划分为多个区域,并获取每个区域的放射性溶液的体积和浓度;根据所述多个区域的放射性溶液的体积和浓度,确定待测的所述放射性溶液的浓度分布向量;获取多组样本数据,每组样本数据包括所述放射性溶液的浓度分布向量以及对应的有效增殖因子;构建神经网络,将所述样本数据输入至所述神经网络中,以训练并优化所述神经网络;其中,所述神经网络的输入为所述放射性溶液的浓度分布向量,输出为所述有效增殖因子;将待测的所述放射性溶液的浓度分布向量输入至优化后的所述神经网络,得到待测的所述放射性溶液的有效增殖因子的预测值。
全文数据:
权利要求:
百度查询: 中国原子能科学研究院 有效增值因子的预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。