skip to main content
訪客
個人書架
我的帳戶
登出
登入
This feature requires javascript
檢索首頁
圖書館首頁
電子期刊
引用參考文獻查詢
指定參考書查詢
新書通報
標籤查詢
線上輔助
語言:
English
繁體中文
This feature required javascript
This feature requires javascript
Primo Search
館藏+文章
館藏+文章
館藏
查館藏
文章
查文章
機構典藏
機構典藏
Search For:
Clear Search Box
Search in:
文章
Or hit Enter to replace search target
Or select another collection:
Search in:
文章
進階檢索
瀏覽查詢
This feature requires javascript
顯示結果:
查詢種類
criteria input
包含在我的檢索語句內
完全相同
顯示結果:
查詢種類 索引
criteria input
任何地方
題名
ISBN
ISSN
Show Results with:
題名
Show Results with:
任何地方
題名
ISBN
ISSN
This feature requires javascript
基于神经网络的核反应堆堆芯热功率预测
张奥鑫 ; 滕婧 ; 琚贇 ; 杨韬燃
计算机仿真, 2021, Vol.38 (10), p.455-461
[同儕審閱期刊]
可取得全文
引用
被引用
線上檢視
詳細格式
評論和標籤
相關文章推薦
FullText@NUTN
引用次數
This feature requires javascript
傳送到
加入個人書架
從個人書架中移除
E-mail
列印
永久連結
引用
EndNote
導出 RiS
This feature requires javascript
題名:
基于神经网络的核反应堆堆芯热功率预测
著者:
张奥鑫
;
滕婧
;
琚贇
;
杨韬燃
所屬期刊:
计算机仿真, 2021, Vol.38 (10), p.455-461
描述:
TP183; 由于核反应堆经常变负荷运行,为使堆芯热功率与负荷相匹配,保证核电站的安全运行,需要精确预测反应堆堆芯热功率分布,以做出及时调整.传统方法包括基于核反应机理物理模型和实验模型,难以通过直接分析相关数据,准确预测功率分布.采用某CANDU重水堆核电站真实监测数据,根据数据的分布特征,分别构建了基于满功率日时间序列的LSTM循环神经网络和基于特征再提取的卷积神经网络CNN模型,并对网络结构优化,以此来进行核反应堆堆芯热功率预测仿真研究.相比于传统的BP神经网络,构建的LSTM和CNN模型在预测性能上有显著提升.在LSTM和CNN的预测结果中,绝对误差小于50MW的数据所占比例分别为97.63%和96.31%,相对误差在5%以内的数据所占比例为98.73%和98.42%,平均相对误差均不超过2.65%和2.96%.仿真研究表明,所提基于LSTM和CNN的模型可有效预测核反应堆堆芯热功率分布.
出版者:
华北电力大学控制与计算机工程学院,北京102206
語言:
中文
識別號:
ISSN: 1006-9348
DOI: 10.3969/j.issn.1006-9348.2021.10.091
資源來源:
Alma/SFX Local Collection
This feature requires javascript
This feature requires javascript
返回到檢索清單
前一個記錄
檢索清單
9
下ㄧ個記錄
This feature requires javascript
This feature requires javascript
正在檢索遠程資料庫,請稍等
查詢:
在
primo_central_multiple_fe
顯示現有記錄
This feature requires javascript
This feature requires javascript