TY -的A2 Jencic Igor盟——Trontl Krešimir盟——Pevec - AU -Šmuc Tomislav PY - 2008 DA - 2008/08/27 TI -机器学习反应堆堆芯装载模式的关键参数SP - 695153六世- 2008 AB -一般的加载模式优化方法需要很高的工程判断,一组启发式规则,优化算法和计算机代码用于评估拟议的加载模式。的速度优化过程是高度依赖计算机代码用于评估。在本文中,我们调查的适用性机器学习模型可用于快速加载模式评估。我们雇佣了一个最近推出了机器学习技术,支持向量回归(SVR),这是一个数据驱动,内核的基础,模型参数的非线性建模范式,自动由求解一个二次优化问题。本文中提到的工作的主要目的是评估的可能性应用SVR方法对反应堆堆芯装载模式建模。我们说明解决方案的性能,并讨论其适用性,即复杂性,速度和准确性。SN - 1687 - 6075你2008/695153 / 10.1155——https://doi.org/10.1155/2008/695153——摩根富林明-核设施科技PB Hindawi出版公司KW - ER