冀 南易金豪赵鹏程,2于 涛,2

1（南华大学核科学技术学院 衡阳 421001）

2（南华大学核燃料循环技术与装备湖南省协同创新中心 衡阳 421001）

反应堆关键热工参数（如燃料包壳表面最高温度）与核电厂的经济性和安全性密切相关。在较短时间内准确预测反应堆在各种工况下的关键热工参数及其变化趋势，有利于提高反应堆设计效率和保障运行中的安全，能够使操作员和核电厂系统在事故情况下提前作出响应，大幅度提高反应堆的安全性，有效防止核电厂事故的发生。然而，在反应堆运行过程中，关键热工参数同时受到多个物理量的影响，其变化较为复杂，传统预测方法难以在短时间内实现准确预测。因此，为提高反应堆运行的安全性，有必要发展新的反应堆关键热工参数预测方法。

神经网络（Neural Network，NN）是一种模拟动物神经元行为特征进行信息处理的数学模型。由于其具有非线性、大规模、并行处理能力强、鲁棒性、容错性及自学习能力强等特点，已经被成功在多个领域进行应用，如非线性函数逼近、数据分类、模式识别、信息处理、图像处理、控制和故障诊断、金融预测、时间序列预测等［1］。

从20世纪90年代开始，国内外许多学者开始使用各种神经网络算法进行堆芯参数的预测。黄彦平等［2］采用反向传播（Backpropagation，BP）人工神经网络对反应堆临界热流密度进行预测，与传统方法相比，该方法预测精度高，更新与使用更为方便，更易于推广；李辉等［3］基于10 MW高温气冷堆，通过人工神经网络的方法监控和分析反应堆在各种故障下，各参数的变化情况，以此来判断反应堆的故障情况；……