来源：期刊VIP网 时间：
作者：习家轩;张大志;肖云龙;王志会;周华兵;
单位：武汉工程大学计算机科学与工程学院;武汉工程大学智能机器人湖北省重点实验室;中核武汉核电运行技术股份有限公司中核核工业仿真技术重点实验室;中核武汉核电运行技术股份有限公司;
摘要：针对核电厂高压加热测点数据实时预测在工程实际中存在故障数据缺失，观测数据量少等问题，提出基于数字孪生仿真数据的样本迁移学习方法。首先，利用数字孪生技术产生的特征丰富、样本充足的核工业相关仿真数据构建源域数据集，利用核工业设备运行过程中各监测点获取的实际观测数据构建目标域数据集；然后，通过交叉验证得到的分类模型，测得源域数据与目标域数据的相似度，将源域数据中与目标域数据相似的数据赋予高权重，使源域数据与目标域数据更匹配；最后，利用带权重的源域数据训练核工业数据实时预测模型。实验结果表明，样本迁移学习方法在小样本与特征缺失的情况下，具有良好的迁移学习效果，并且相较于传统迁移学习方法具有较高的实时预测精度。
关键词：核电厂;;高压加热;;实时预测;;数字孪生;;样本迁移
基金资助：国家自然科学基金资助项目(No.62171327);; 湖北省核电运行工程技术研究中心第一批应用基础技术研究科研基金资助项目(No.B210610);; 国防科工局核能开发专项资助项目(No.ZX200302)
