核电站可靠性数据库的概念设计研究

核电站可靠性数据库的概念设计研究徐沾杰梅启智马昌文（清华大学核能技术设计研究院）关键词核电工程数据库可靠性数据库１引言核电发展必须注意提高核电厂的安全性和经济性。创建核电工程数据库（ＮＰＥＤＢ）［１］并把它成功地应用于核电站的设计、建造和运行过程中，...

利用支持向量回归对燃爆单元宽度进行预测的方法研究

燃爆单元宽度λ是衡量可燃气体燃爆风险的一项重要参数,通常认为其与特征化学反应区宽度δ的比值是无量纲活化能和无量纲温度的函数。在以上述两个无量纲量为自变量、以λ/δ的对数为因变量对实验数据进行回归的基础上,更进一步引入无量纲压力作为第3个自变量进行回归。另外,针对传统参数回归方法的不足,采用基于机器学习的支持向量回归方法进行数据拟合。比较回归结果发现,与采用二变量模型及参数回归方法相比,采用三变量模型及支持向量回归方法的计算结果与实验数据的拟合度更好,并能更为准确地预测不同初始条件下可燃爆气体的特征单元宽度。

用遗传算法求解一个系统可靠性优化问题

在造价、体积和重量约束条件下，多级串并联系统的可靠性优化问题是一个具有多局部极值的、非线性的、同时具有整数和实数变量的混合优化问题。把遗传算法和共轭梯度法结合起来，对该问题搜索到了其它算法未能得到的最优解。在遗传算法的应用中，设定了有效的线性定标技术和混合交叉操作，改善了遗传算法的收敛性能。并基于模式理论从数值上表明该问题是符合积水块假设的。最后还从数值上表明遗传算法对该问题是多项式收敛的。

利用高斯过程回归对燃爆单元宽度的预测方法研究

燃爆单元宽度(λ)是度量可燃气体燃爆风险的一项重要参数。文中把λ和特征化学反应区厚度(δ)联系起来,以无量纲活化能和无量纲温度为自变量,以λ/δ的对数为因变量对实验数据进行回归。针对传统参数回归方法的不足,采用基于机器学习的高斯过程回归(GPR)方法完成数据拟合工作。通过比较实验数据和拟合函数的预测值,发现GPR方法的结果能够较为准确地预测不同组分的可燃混合气体在不同初始条件下气体的λ。与传统参数回归的结果相比,GPR方法在拟合精度上优于传统参数回归方法。