基于朴素贝叶斯的核电厂事故诊断方法研究

摘要：

本文将机器学习领域的贝叶斯技术应用于核应急中的电厂状态诊断,提出了基于朴素贝叶斯分类器的核电厂事故诊断方法.利用压水堆核电厂仿真机获取事故案例数据,对朴素贝叶斯分类模型进行训练,实现了对核电厂多类事故(LOCA、SGTR、MSLB)的诊断.测试结果表明,基于朴素贝叶斯分类器的核电厂事故诊断方法在诊断精度、诊断效率、事故类型可扩展性以及程序自主化诊断上有显著优势,并且模型训练中不同事故类型先验分布对诊断结果影响较小,具有较好的适用性.

关键词：核应急;事故诊断;朴素贝叶斯;机器学习

所属期刊栏目：41

分类号：TL73(辐射防护)

资助基金：中核集团领创科研项目"支持压水堆核电厂应急决策的风险研判智能技术研究"的资助

在线出版日期：2021-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：59-63