基于物理信息约束的神经网络的k<sub>eff</sub>搜索方法研究

孙延鹏; 马续波

doi:10.20190/j.cnki.02580918.202504007

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于物理信息约束的神经网络的k_eff搜索方法研究

反应堆工程 | 更新时间：2025-09-20

- 基于物理信息约束的神经网络的k_eff搜索方法研究
- 暂无标题
- 核科学与工程 2025年第4期页码：642-650
- 作者机构：
  
  华北电力大学核科学与工程学院
- 作者简介：
- 基金信息：
- DOI：10.20190/j.cnki.02580918.202504007
  中图分类号： TL31;TP183
- 纸质出版日期：2025
- 稿件说明：
移动端阅览
孙延鹏, 马续波. 基于物理信息约束的神经网络的k_eff搜索方法研究[J]. 核科学与工程, 2025,(4):642-650.
孙延鹏, 马续波. 基于物理信息约束的神经网络的k_eff搜索方法研究[J]. 核科学与工程, 2025,(4):642-650. DOI： 10.20190/j.cnki.02580918.202504007.

DOI：

摘要

基于物理信息约束的神经网络（PINN）是一种将物理方程和机器学习结合的方法，近年来已成为研究热点之一。神经网络的训练是求解中子扩散方程不可或缺的步骤，为提高训练效率，参考源迭代法的思想将解联立方程变换为解多个单群方程，使用多个神经网络并行训练代替复杂的单一神经网络进行通量密度预测。对于有效增殖系数(k

eff

)搜索中出现的迭代次数多，收敛速度慢等问题，利用方程残差判断系统状态调整方程特征参数实现k

eff

逐步搜索。在搜索过程中结合边界软约束和硬约束特点，使用边界硬约束扩展搜索范围，利用边界软约束逐步搜索，可以在无外部数据的前提下利用有限的迭代次数，实现高效快速的k

eff

搜索。对上述方法采用了多个算例验证了可行性，计算结果表明，利用合理的训练程序，使用该方法获得数值解具有较好的精度。

Abstract

关键词

Keywords

references

曹良志,谢仲生,李云召.近代反应堆物理分析[M].中国原子能出版社,2017.

谢仲生.核反应堆物理分析[M].西安交通大学出版社,2020.

龚禾林,陈长,李庆,程思博.基于物理指引和数据增强的反应堆物理运行数字孪生研究[J].核动力工程,2021(S2).

刘东,罗琦,唐雷,安萍,杨帆.基于PINN深度机器学习技术求解多维中子学扩散方程[J].核动力工程,2022(02).

汤卓超,傅卓佳.基于物理信息的神经网络求解曲面上对流扩散方程[J].计算力学学报,2023(02).

冀南,杨俊康,赵鹏程,王凯.耦合多变量LSTM与优化算法的铅铋反应堆事故参数预测方法研究[J].核动力工程,2023(05).

刘东,唐雷,安萍,张斌,江勇.核反应堆有效增殖系数深度学习直接搜索求解方法[J].核动力工程,2023(05).

吴文斌,李庆,王侃.基于HYPRE并行求解三维中子扩散方程[J].原子能科学技术,2013(S1).

孙小东,韦子豪,王端,续瑞瑞,田源,陶曦,张英逊,张玥,张智,葛智刚,王记民,王俊辰,夏候琼,舒能川.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[J].原子能科学技术,2023(04).

浏览量

123

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

超临界水对流换热的宽范围数据分析及换热关联式的建立

管道系统泄漏检测神经网络与模式识别方法

基于对称性原理的二维六角形几何多群解析节块法

一种节块展开法

基于对称性原理的三维六角形几何解析节块法

基于物理信息约束的神经网络的keff搜索方法研究

暂无标题

DOI：10.20190/j.cnki.02580918.202504007

摘要

Abstract

关键词

Keywords

references

基于物理信息约束的神经网络的k_eff搜索方法研究