期刊论文

Study of Assembly Nuclide Density Prediction Based on Data Mining Technology

Yu, Tao(yutao29@sina.com)

中文

核动力工程

0258-0926

2021

42

04

126-132

10.13832/j.jnpe.2021.04.0126

湖南省科技创新技术（2020RC4053）； 湖南省研究生科研创新项目（CX20200946）； 国防科技工业核动力技术创新中心项目（HDLCXZX-2018-ZH-031）；

本校为第一机构

采用DRAGON程序对9600个样本进行计算,并以235U、238U、239Pu、241Pu、137Cs、244Cm以及154Nd核素的核子密度为预测参数,选用线性回归模型、基于决策树构建的回归树模型、多层感知机（MLP）模型和随机森林模型开展模型训练,选用皮尔逊相关系数（PCC）、平均绝对误差（MAE）、相对绝对误差（RAE）、相对均方根误差（RRSE）评价模型的拟合效果;利用训练好的模型在测试集中对目标核素进行预测,通过相对误差评价其预测精度。结果表明,训练数据模型的时间均在3 s以内;通过选取的参数的评价可得,对于所有预测核素,在4种模型中训练效果最佳的为MLP模型,其相关性均在0.999以上;MLP模型对所有的预测核素的...

The DRAGON program was used to calculate 9600 samples, and the nuclide densities of 235U, 238U, 239Pu, 241Pu, 137Cs, 244Cm and 154Nd nuclides were used as the prediction parameters. Linear regression model, regression tree model constructed based on decision tree, multilayer perception (MLP) model and random forest model were selected to carry out model training. Pearson correlation coefficient (PCC), mean absolute error (MAE), relative absolute error (RAE) and relative root mean square error (RRSE) were chosen to evaluate the fitting effect of...