基于MLP-XGBoost融合模型的乏燃料燃耗深度预测方法
Prediction Method of Spent Fuel Burnup Based on MLP-XGBoost Fusion Model
-
作者：
黄棋
1,2
张淇
1,2
倪梓宁
3
于涛
1,2
陈珍平
1,2
-
作者单位：
- 通讯作者：
于涛
Email:yutao29@sina.com
-
提交时间：2026-05-15 10:41:32
摘要: 针对传统的相对测量法和单一机器学习模型在燃耗深度预测中存在偏差且复杂工况适应性不足的问题，提出一种MLP-XGBoost融合机器学习模型的乏燃料燃耗深度预测方法。首先以多层感知机学习输入特征与燃耗深度的关系，随后将主模型输出与原始特征共同作为输入，XGBoost对主模型残差进行识别并修正重构预测值，使用贝叶斯超参数优化选取最佳模型参数，采用K折交叉验证的OOF策略避免模型数据泄露。数值结果表明MLP-XGBoost模型在不同运行条件上相较单一模型可进一步降低误差，残差分布更集中，体现出更好的预测精度、稳定性和复杂工况适应能力。提出的融合模型在整体拟合与局部修正方面表现更稳健。该方法为基于伽马核素指示量的乏燃料燃耗深度反演提供了一种可靠的融合建模思路。
版本历史
| [V1] |
2026-05-15 10:41:32 |
ChinaXiv:202605.00124V1
|
下载全文 |
相关信息
待评议
点击量
下载量
