申请/专利权人:中核北方核燃料元件有限公司
申请日:2023-12-01
公开(公告)日:2024-04-09
公开(公告)号:CN117854607A
主分类号:G16C20/10
分类号:G16C20/10;G16C20/70;G06N3/126;G06F18/2411;G06F18/214
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明提供了一种基于机器学习的弥散燃料芯块烧结工艺优化方法,包括:整理烧结数据,确定模型输入输出;数据预处理;基于支持向量机的前向预测;采用遗传规划算法来对工艺参数空间进行全局搜索,以获得最优工艺参数。本发明通过选用支持向量机,以及3折交叉验证,使得模型能够适用于弥散燃料芯块烧结小样本数据,实现由工艺参数到烧结结果的前向预测。
主权项:1.一种基于机器学习的弥散燃料芯块烧结工艺优化方法,其特征在于,包括:步骤1:整理烧结数据,确定模型输入输出;步骤2:数据预处理;步骤3:基于支持向量机的前向预测;步骤4:采用遗传规划算法来对工艺参数空间进行全局搜索,以获得最优工艺参数。
全文数据:
权利要求:
百度查询: 中核北方核燃料元件有限公司 一种基于机器学习的弥散燃料芯块烧结工艺优化方法
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。