来源：期刊VIP网 时间：
作者：姚建凡;彭思涛;何道敬;徐智;谢锡耀;黄杰;位金锋;
单位：中广核研究院有限公司;哈尔滨工业大学(深圳)计算与智能研究院;
摘要：压水堆堆芯换料方案的选择直接关系到核电厂运行的安全性和经济性，是一项费时费力的工作。为高效准确地选取可行的堆芯换料方案，本文提出了分层神经网络模型来预测堆芯换料方案的关键参数：循环长度和最大焓升因子。本方法设计了双层隐藏层网络结构，通过选取合适的权重初始化方法、激活函数、自适应学习率和优化器等，学习大量的工程换料数据获取堆芯关键参数预测模型。本文所提方法分开学习关键参数特征，避免相互干扰学习，从而提高了模型整体预测精度。数值实验也表明，本方法比经典深度神经网络模型(DNN)具有更高的预测精度和更强的鲁棒性，且在不同类型的新组件布局上同样具有准确的预测能力。
关键词：分层神经网络;;自适应学习率;;深度学习;;堆芯换料方案
