期刊导航
期刊开放获取
VIP36
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于机器学习的30%TBP/煤油-硝酸体系中主要组分的分配比预测研究
1
作者
于婷
张音音
+6 位作者
张睿志
金文蕾
罗应婷
朱升峰
何辉
叶国安
龚禾林
《原子能科学技术》
北大核心
2025年第1期14-23,共10页
为最优化后处理过程的实验条件、优化工艺、降低实验成本和时间,并提高后处理流程数学模拟的准确性,本文基于随机森林、支持向量回归和K近邻这3种经典的机器学习算法建立了30%TBP/煤油-硝酸体系中主要组分铀、钚、硝酸的分配比数学模型...
为最优化后处理过程的实验条件、优化工艺、降低实验成本和时间,并提高后处理流程数学模拟的准确性,本文基于随机森林、支持向量回归和K近邻这3种经典的机器学习算法建立了30%TBP/煤油-硝酸体系中主要组分铀、钚、硝酸的分配比数学模型,并基于不同数据集进行了超参数优化和模型训练。通过对模型进行验证和测试,发现采用随机森林算法建立的分配比模型准确度最高,其对铀预测的平均绝对相对误差达7.73%,较传统方法提高了约7%。与传统建模方法相比,机器学习方法建立模型的准确度更高。
展开更多
关键词
分配比数学模型
随机森林
支持向量回归
K近邻
在线阅读
下载PDF
职称材料
机器学习在PUREX工艺中的应用综述
2
作者
于婷
张音音
+6 位作者
金文蕾
张睿志
罗应婷
朱升峰
何辉
龚禾林
叶国安
《四川大学学报(自然科学版)》
2025年第2期297-308,共12页
为了控制核燃料的环境危害,必须对其进行回收管理和后处理.PUREX是一种高效的核燃料后处理方法,具有效率高、可扩展性强及适用性广等优点,目前已经得到了广泛应用.PUREX工艺很复杂,操作时必须对萃取剂及溶液的性质进行准确全面的测量和...
为了控制核燃料的环境危害,必须对其进行回收管理和后处理.PUREX是一种高效的核燃料后处理方法,具有效率高、可扩展性强及适用性广等优点,目前已经得到了广泛应用.PUREX工艺很复杂,操作时必须对萃取剂及溶液的性质进行准确全面的测量和分析,并对处理流程进行严格保障.为了获取相关数据,已有研究大多依赖传统的批量实验测试法.这种方法需要多次实验迭代和人工操作,研究周期长、资源消耗大,且萃取效率低.机器学习主要通过学习和分析海量数据来实现模型预测,有望避免批量实验测试法中出现的问题,提高萃取效率.近年来,各种机器学习方法在PUREX中的应用逐渐增多.本文旨在对机器学习方法在PUREX流程的内部反应和后处理保障等方面的应用进行综述,促进和推动机器学习方法在PUREX中的进一步应用,提高萃取效率.在内部反应方面,本文概述了一些机器学习算法在萃取剂选择、萃取剂性质预测及溶液选择等方面的应用.在后处理保障方面,本文概述了一些机器学习算法在保障后处理流程顺利进行等方面的应用.综合看,将机器学习方法应用于PUREX流程确实能提供更精准的预测结果、提高萃取效率.此外,本文还对机器学习方法在PUREX相关领域的应用进展进行了概述,重点介绍了分子动力学与机器学习方法的集成方法及其应用,以便启发PUREX与机器学习模型相结合的方法的研究.最后,本文还介绍了一些利用机器学习方法扩展和增强数据集、克服数学模型建模时可用数据集过小问题的具体应用.
展开更多
关键词
PUREX
机器学习
核燃料后处理
萃取剂
溶液体系
在线阅读
下载PDF
职称材料
题名
基于机器学习的30%TBP/煤油-硝酸体系中主要组分的分配比预测研究
1
作者
于婷
张音音
张睿志
金文蕾
罗应婷
朱升峰
何辉
叶国安
龚禾林
机构
中国原子能科学研究院
四川大学数学学院
华东师范大学数学科学学院
上海交通大学巴黎卓越工程师学院
出处
《原子能科学技术》
北大核心
2025年第1期14-23,共10页
文摘
为最优化后处理过程的实验条件、优化工艺、降低实验成本和时间,并提高后处理流程数学模拟的准确性,本文基于随机森林、支持向量回归和K近邻这3种经典的机器学习算法建立了30%TBP/煤油-硝酸体系中主要组分铀、钚、硝酸的分配比数学模型,并基于不同数据集进行了超参数优化和模型训练。通过对模型进行验证和测试,发现采用随机森林算法建立的分配比模型准确度最高,其对铀预测的平均绝对相对误差达7.73%,较传统方法提高了约7%。与传统建模方法相比,机器学习方法建立模型的准确度更高。
关键词
分配比数学模型
随机森林
支持向量回归
K近邻
Keywords
distribution ratio mathematical model
random forest
support vector regression
K-nearest neighbor
分类号
TL243 [核科学技术—核燃料循环与材料]
在线阅读
下载PDF
职称材料
题名
机器学习在PUREX工艺中的应用综述
2
作者
于婷
张音音
金文蕾
张睿志
罗应婷
朱升峰
何辉
龚禾林
叶国安
机构
中国原子能科学研究院
出处
《四川大学学报(自然科学版)》
2025年第2期297-308,共12页
基金
国家自然科学基金(U2241289)
中核集团青年英才基金(FY222506000503)。
文摘
为了控制核燃料的环境危害,必须对其进行回收管理和后处理.PUREX是一种高效的核燃料后处理方法,具有效率高、可扩展性强及适用性广等优点,目前已经得到了广泛应用.PUREX工艺很复杂,操作时必须对萃取剂及溶液的性质进行准确全面的测量和分析,并对处理流程进行严格保障.为了获取相关数据,已有研究大多依赖传统的批量实验测试法.这种方法需要多次实验迭代和人工操作,研究周期长、资源消耗大,且萃取效率低.机器学习主要通过学习和分析海量数据来实现模型预测,有望避免批量实验测试法中出现的问题,提高萃取效率.近年来,各种机器学习方法在PUREX中的应用逐渐增多.本文旨在对机器学习方法在PUREX流程的内部反应和后处理保障等方面的应用进行综述,促进和推动机器学习方法在PUREX中的进一步应用,提高萃取效率.在内部反应方面,本文概述了一些机器学习算法在萃取剂选择、萃取剂性质预测及溶液选择等方面的应用.在后处理保障方面,本文概述了一些机器学习算法在保障后处理流程顺利进行等方面的应用.综合看,将机器学习方法应用于PUREX流程确实能提供更精准的预测结果、提高萃取效率.此外,本文还对机器学习方法在PUREX相关领域的应用进展进行了概述,重点介绍了分子动力学与机器学习方法的集成方法及其应用,以便启发PUREX与机器学习模型相结合的方法的研究.最后,本文还介绍了一些利用机器学习方法扩展和增强数据集、克服数学模型建模时可用数据集过小问题的具体应用.
关键词
PUREX
机器学习
核燃料后处理
萃取剂
溶液体系
Keywords
PUREX
Machine learning
Nuclear fuel reprocessing
Extractant
Solution system
分类号
O29 [理学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于机器学习的30%TBP/煤油-硝酸体系中主要组分的分配比预测研究
于婷
张音音
张睿志
金文蕾
罗应婷
朱升峰
何辉
叶国安
龚禾林
《原子能科学技术》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
机器学习在PUREX工艺中的应用综述
于婷
张音音
金文蕾
张睿志
罗应婷
朱升峰
何辉
龚禾林
叶国安
《四川大学学报(自然科学版)》
2025
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部