基于hp-VPINN的反应堆中子扩散计算方法研究

先进的反应堆模拟技术需要基于较少的实际探测数据反演全堆关键参数。针对这一需要,本文基于具有高阶多项式域分解功能的变分残差物理信息神经网络(hp-VPINN)构建计算模型,用于正向、反向求解中子扩散方程。该模型使用神经网络作为试函数,并将其代入中子扩散方程形成变分残差作为损失函数进行梯度下降。为了提高求解精度及效率,本文还根据中子扩散方程的物理特性提出了有效增殖系数智能搜索与反演等创新型关键技术,并基于鲸鱼优化算法(WOA)实现了神经网络超参数自优化。最后通过多个算例进行验证,结果表明该方法在具有较高精度的同时,实现了较低的训练数据依赖,为先进反应堆模拟技术提供了一条少量输入数据且较高精度输出的中子扩散求解途径。