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OA北大核心
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。
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
中国原子能科学研究院,北京102413四川大学数学学院,四川成都610065华东师范大学数学科学学院,上海200241四川大学数学学院,四川成都610065四川大学数学学院,四川成都610065华东师范大学数学科学学院,上海200241中国原子能科学研究院,北京102413中国原子能科学研究院,北京102413上海交通大学巴黎卓越工程师学院,上海200240
核科学
分配比数学模型随机森林支持向量回归K近邻
《原子能科学技术》 2025 (1)
P.14-23,10
评论