利用Apriori算法实现基于反应道灵敏度的临界基准检验趋势分析

MA Yanhu, WU Haicheng, ZHANG Huanyu

Atomic Energy Science and Technology（2026）

被引用0|浏览0

摘要

近些年来,机器学习算法广泛应用于核物理领域,并在核数据宏观检验的趋势分析上取得了显著的效果.当前国内基于灵敏度的趋势分析是人工筛选出 1个灵敏核素-反应道的基准实验序列,然后再基于专家判断去筛选各种实验特征信息(如能谱指标等),尝试找到 keff 计算偏差与灵敏核素-反应道之间的关系.这种方式效率较低,且难以遍历所有的可能性.如何高效地开展基于灵敏度的临界基准检验趋势分析成为大规模临界基准检验分析面临的首要问题.本文基于 Apriori算法开展关联规则分析,从基准实验特征信息库 ENDITS-EXP中筛选出了特定核素-反应道灵敏度组合的频繁项集,然后利用这些频繁项集验证 keff 计算偏差与核素-反应道灵敏度之间是否存在线性回归趋势,并绘制趋势分析图.通过应用数据挖掘方法,本文实现了基于核素-反应道灵敏度的临界基准检验自动化趋势分析,显著提高了临界基准检验的效率,细化了趋势分析的颗粒度.

更多

查看译文

关键词

nuclear data,machine learning,criticality benchmark testing,trend analysis,association rule analysis

上传PDF