基于机器学习的超临界水传热恶化判定研究
Nuclear Power Engineering（2021）
Abstract
为了进一步提高超临界水堆的安全稳定性,避免超临界水传热恶化的发生,在已有的超临界水传热实验数据基础之上,利用几种主要的机器学习算法,对超临界水的实验参数状态点是否发生了传热恶化进行分类判断和预测精度分析.研究表明:随机森林算法对于测试数据的平均预测精度最高,达到了 97.8％左右;K近邻(KNN)分类算法的平均预测精度最低,但是也达到了 90％以上.同时对各种不同的影响参数对传热恶化的选取重要度的分析可知,与传热恶化判定关系最重要的参数是比焓,其次为传热系数;与传热恶化重要度选择关系最小的是管径.
MoreAI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined