我院本科生在中国科技卓越期刊发表封面文章

瞬态和事故工况下堆芯的热工参数变化直接影响反应堆的安全性能，准确预测反应堆堆芯在各种工况下的关键热工参数变化趋势可有效防止核电厂事故的发生。然而，在反应堆运行过程中，堆芯关键热工参数同时受到多个物理量影响且变化复杂，传统预测方法难以在短时间内实现准确预测。近日，我院核工程与核技术专业2019级本科生冀南以第一作者身份在中国科技卓越期刊《核技术》上发表题为《基于自适应RBF神经网络预测堆芯热工水力参数的方法研究》封面文章。

该文章针对反应堆传统关键热工参数预测方法效率较低、精度较差这一瓶颈难题，发展了一种基于自适应RBF神经网络模型的热工参数预测方法，可有效提高反应堆堆芯稳态和瞬态热工水力参数的预测效率和精度，且易推广至反应堆其他热工参数预测。相关研究成果有利于提高反应堆事故状态评价的智能化和信息化水平，可为部分场景下先进核反应堆系统的无人和少人值守提供技术支持，提高公众对先进核能技术的认知和接受性。

该课题组采用Adam算法对RBF神经网络的超参数进行实时优化，提出了一种新的堆芯关键热工参数预测模型。与目前广泛使用的自适应BP神经网络模型相比，该模型在稳态工况下的参数预测精度可提高4~5倍；在瞬态工况下，通过结合相空间重构法，可将单步预测和连续预测的计算精度提升2倍（见下图）。因此，这种创新的参数预测模型有望广泛应用于反应堆关键热工参数预测和事故诊断等相关领域。

论文原文链接：http://www.hjs.sinap.ac.cn/thesisDetails#10.11889/j.0253-3219.2022.hjs.45.090601&lang=zh

该工作得到国家自然科学基金项目和数字核能与智能设计湖南省科技创新团队项目等的资助。