贝叶斯机器学习对裂变产额的不确定度评价

先进核能研究需要更高精度的核裂变数据的支撑,但核裂变的微观理论描述和实验测量都非常困难.目前部分裂变实验数据存在精度不足、不完整、有分歧等问题.本文基于贝叶斯机器学习建立了对不够精确的核裂变产额分布的评价方法,以中子诱发^(235)U裂变为例,细致研究了误差传递对核裂变产额评价的影响.结果表明误差传递是一个综合效应,与临近的数据信息有关,这也说明机器学习包含了复杂的数据关联.核数据的不确定度评价对核装置的安全设计非常关键,也是进一步进行数据融合评价的必要基础.