反应堆物理设计不确定度是第4代核能系统的QMU(quantification of margins and uncertainties)有效性认证所必须的参数之一,核数据不确定度是其重要来源。基于自主开发的耦合程序BUND(burnup uncertainty of nuclear data),将SCALE程序T...反应堆物理设计不确定度是第4代核能系统的QMU(quantification of margins and uncertainties)有效性认证所必须的参数之一,核数据不确定度是其重要来源。基于自主开发的耦合程序BUND(burnup uncertainty of nuclear data),将SCALE程序TRITON和TSUNAMI-3D模块耦合,完成了熔盐堆钍铀燃料循环、铀钚燃料循环核数据引起的有效增殖因数keff不确定度分析,并与ENDF/B-Ⅶ.1协方差数据库计算结果进行了对比。结果显示:初始时刻,两种燃料循环模式下,核数据导致的keff不确定度分别为0.490%和0.582%。随燃耗的增加,核数据引起的keff不确定度增加。寿期末,两种燃料循环模式下,对keff不确定度影响显著增加的反应道分别为239Pu(nubar)、(n,f)、(n,γ)、105 Rh(n,γ)、135 Xe(n,γ)和234 U(n,γ)、143 Nd(n,γ)、131,135 Xe(n,γ)等。展开更多
云计算为大数据提供了展示和共享的平台.为了防止隐私泄露,这些数据中往往包含人为添加的不确定因素,如何挖掘这些不确定数据是大数据共享亟待解决的问题.在用于共享的大数据中,不确定数据通过对精确数据的泛化处理来实现,具有均匀分布...云计算为大数据提供了展示和共享的平台.为了防止隐私泄露,这些数据中往往包含人为添加的不确定因素,如何挖掘这些不确定数据是大数据共享亟待解决的问题.在用于共享的大数据中,不确定数据通过对精确数据的泛化处理来实现,具有均匀分布特性,这一特性不利于精确查询,但可为关联规则的挖掘提供便利条件.首先,依据泛化值之间可能的相交或包含关系,将泛化值进行分层聚类,为了保存与不确定数据集挖掘相关的重要信息,给出了构建不确定频繁模式树的算法,在此基础上,提出了频繁项集挖掘子算法(data mining algorithm for uncertain frequent item-sets,UFI-DM)和关联规则生成子算法(algorithm for generating association rules,GAR),分别用于挖掘频繁项集和生成关联规则,最后,通过理论分析和实验比对,论证了算法的可行性和有效性.展开更多
文摘反应堆物理设计不确定度是第4代核能系统的QMU(quantification of margins and uncertainties)有效性认证所必须的参数之一,核数据不确定度是其重要来源。基于自主开发的耦合程序BUND(burnup uncertainty of nuclear data),将SCALE程序TRITON和TSUNAMI-3D模块耦合,完成了熔盐堆钍铀燃料循环、铀钚燃料循环核数据引起的有效增殖因数keff不确定度分析,并与ENDF/B-Ⅶ.1协方差数据库计算结果进行了对比。结果显示:初始时刻,两种燃料循环模式下,核数据导致的keff不确定度分别为0.490%和0.582%。随燃耗的增加,核数据引起的keff不确定度增加。寿期末,两种燃料循环模式下,对keff不确定度影响显著增加的反应道分别为239Pu(nubar)、(n,f)、(n,γ)、105 Rh(n,γ)、135 Xe(n,γ)和234 U(n,γ)、143 Nd(n,γ)、131,135 Xe(n,γ)等。
文摘云计算为大数据提供了展示和共享的平台.为了防止隐私泄露,这些数据中往往包含人为添加的不确定因素,如何挖掘这些不确定数据是大数据共享亟待解决的问题.在用于共享的大数据中,不确定数据通过对精确数据的泛化处理来实现,具有均匀分布特性,这一特性不利于精确查询,但可为关联规则的挖掘提供便利条件.首先,依据泛化值之间可能的相交或包含关系,将泛化值进行分层聚类,为了保存与不确定数据集挖掘相关的重要信息,给出了构建不确定频繁模式树的算法,在此基础上,提出了频繁项集挖掘子算法(data mining algorithm for uncertain frequent item-sets,UFI-DM)和关联规则生成子算法(algorithm for generating association rules,GAR),分别用于挖掘频繁项集和生成关联规则,最后,通过理论分析和实验比对,论证了算法的可行性和有效性.