基于极限学习机模型的流动不稳定性多热工参量联合预测方法
摇摆条件下两相沸腾自然循环系统中存在着多种热工参量耦合作用引起的复杂流动不稳定性现象.为了对摇摆流动不稳定系统中的重要热工参量进行实时预测 ,提出了基于极限学习机人工神经网络模型的多热工参量联合时间序列预测方法.考虑流量和加热壁面温度两个热工参量 ,使用实验测量数据训练极限学习机模型 ,进行了单步和多步联合预测仿真实验 ,并研究了隐层节点数对预测效果的影响.仿真结果显示 ,基于极限学习机多参量联合预测方法的预测精度优于单一参量预测 ,且在较多提前步数的预测中优势更为明显.该方法可被推广至更多种热工参量的情况 ,是一种有效的流动不稳定系统热工参量实时预测途径.
流动不稳定性、时间序列预测、极限学习机、自然循环
49
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
2016-01-12(万方平台首次上网日期,不代表论文的发表时间)
共6页
2164-2169