新思路、新方法,促进学生学习方式的转变

“兴趣是最好的老师”,如果学生没有兴趣,被动的学习,直接影响教学效果,而培养培养学生兴趣要从根本促进学生学习方式的转变     

中国实验快堆热工参数的自适应BP神经网络预测方法研究

中国实验快堆（CEFR）堆芯的热工参数是否超出限值是评价反应堆安全运行的标准。本文针对燃料包壳最高温度预测问题,通过堆芯子通道分析程序COBRA生成数据样本后,开发基于BP神经网络自适应算法的智能预测程序,对于特定的单盒组件,仅需给出堆芯进口功率和流量,即可实现燃料包壳最高温度的快速准确预测。结果表明,与COBRA相比,在大规模重复性计算的场景下,自开发程序能节约大量计算时间和算力,提高燃料包壳设计和CEFR运行时的操作效率。实验分析得出BP神经网络方法的最大相对误差不超过6%,平均预测相对误差不超过3%,计算效率提升至原程序的300倍,网络模型的预测精度高,且易推广至实验快堆其他参数预测,具有很大的应用前景。     

B/KNO3激光点火器装药参数与点火性能研究

为了探索硼/硝酸钾(B/KNO₃)激光点火器的装药参数对其点火性能的影响，设计了光窗式B/KNO₃激光点火器并搭建了激光点火系统，试验研究了硝酸钾粒径、硼与硝酸钾配比、添加粘结剂种类与质量分数、B/KNO₃装药密度及输入端密封性等因素对其发火功率和点火延迟时间的影响。结果表明：硝酸钾粒径为2～12μm、w B∶w KNO₃为3∶7、添加3%的酚醛树脂、装药密度为1.6g·cm^-3的B/KNO₃激光点火器的点火性能最佳，其发火功率和点火延迟时间分别为4.52 W和160 ms；对B/KNO₃激光点火器进行密封设计可进一步增强其点火性能，其发火功率和点火延迟时间分别为4.24 W和120 ms。     

基于神经网络和决策树算法的裂变产物核(n,2n)反应截面研究

为了大规模预言缺少实验测量的裂变产物核反应截面数据，在整理现有(n, 2n)反应截面5 294个实验数据的基础上，分析相关的物理特征建立实验数据集，分别构建和训练反向传播神经网络和极致梯度提升树模型学习数据。神经网络的隐藏层包含两个子网络，分别由2层各128个神经元构成。极致梯度提升树模型集成了16棵决策树。结果表明，虽然(n, 2n)反应截面实验测量数据大多集中分布在中子入射能量14 MeV附近，且相互之间存在分歧，本工作机器学习模型均可较好描述反应截面的实验测量数据，具有较好的预言能力，对于缺少实验数据的情况同样与评价数据库基本符合。人工神经网络模型在测试集中预测结果与实验数据平均相对偏差小于10%的数据占比超过85%。机器学习方法能为核数据评价研究提供参考。