论文部分内容阅读
针对事故工况下堆芯功率变化的特点和神经网络(ANNs)易陷极小值、收敛速度慢等问题,提出一种基于v-支持向量同归机(v-SVR)的事故工况下堆芯功率预测方法.该方法运用k重交叉验证(k-CV)完成对v-SVR参数的优化,然后在此基础上设计2种不同的v-SVR预测器并将其用于弹棒事故(REA)和落棒事故(RDA)工况下的堆芯功率预测.研究表明,与ANNs相比,该方法具有更高的预测精度和更短的响应时间.