摇摆流动不稳定性的遗传算法优化神经网络预测
摇摆工况下自然循环系统的流动不稳定性现象对船用核动力系统的安全性有着显著影响。结合神经网络和遗传算法,对复杂不稳定性行为的预测进行了优化。采用小数据量法计算了流量时间序列的最大Lyapunov指数,得到了时间序列的最大可预测时间。应用单隐层BP神经网络对流量变化进行了多步滚动预测,在步数较少时预测结果与实验结果符合较好。但由于BP神经网络存在陷入局部最优解的问题,为此采用遗传算法对神经网络的初始阈值和权值进行优化,从而改善了BP神经网络的非线性预测性能。本文结果为流动不稳定性的实时预测提供了一种易于实际应用且准确度较高的途径。
流动不稳定性、自然循环、时间序列预测、BP神经网络、遗传算法
TL334(核反应堆工程)
黑龙江省留学归国人员基金资助项目LC2011C18;黑龙江省青年学术骨干支持计划资助项目1254G017;哈尔滨工程大学核安全与仿真技术国防重点学科实验室基金资助项目HEUFN1305
2015-03-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
273-278