(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210860148.7 (22)申请日 2022.07.21 (71)申请人 华北电力大 学 地址 102206 北京市昌平区朱辛庄北农路2 号 (72)发明人 陆道纲　赵飞　王禹超　刘雨　 (74)专利代理 机构 北京君有知识产权代理事务 所(普通合伙) 11630 专利代理师 焦丽雅 (51)Int.Cl. G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 3/10(2006.01) G06F 30/23(2020.01) (54)发明名称 多孔介质 参数的神经网络预测方法及其在 核工程中的应用 (57)摘要 一种多孔介质参数的神经网络预测方法及 其在核工程中的应用， 包括如下步骤： 给出模型 参数、 假设和近似； 有限元计算； 训练神经网络； 得到预测模型； 结果分析， 得到神经网络的准确 性。 根据本发 明提供的一种大孔径多孔介质参数 的神经网络预测方法， 可以计算出流体浸没的多 孔介质参数， 即惯性系数和渗透率。 计算结果比 已有的计算方法更加经济快速， 可应用于流固耦 合作用下反应堆部件的结构分析。 计算方法具有 代表意义， 可以推广到其 他模型的计算过程中。 权利要求书2页 说明书6页 附图4页 CN 115238866 A 2022.10.25 CN 115238866 A 1.一种多孔介质参数的神经网络预测方法， 该方法是基于bp神经网络预测模型的计算 方法， 其特 征为： 包括如下步骤： 步骤1： 给 出模型参数、 假设和近似； 步骤2： 有限元计算； 步骤3： 训练神经网络； 步骤4： 得到预测模型； 步骤5： 结果分析， 得到网格的准确性。 2.根据权利要求1所述的多孔介质参数的神经网络预测方法， 其特征为： 所述步骤1进 一步包括如下内容： 选 定高密度乏燃料贮存格架等效成多孔介质作为研究模型； 假设格架在高度方向上处处相同， 即不考虑格架 的三维效应； 假定格架在地震作用下 振动的幅值相对于格架本身的尺度来说很小； 最终得到一种理想化简化模型： 中间为二维多孔格架， 后在验证计算中转化为多孔介 质， 外围为 流场。 3.根据权利要求1所述的多孔介质参数的神经网络预测方法， 其特征为： 所述步骤2进 一步包括如下内容： 根据多孔介质理论， 简单的均质多孔介质动量源项可以写成 其中， Si为动量源项， κ是渗透率， μ是液体的动力粘性系数， v是速度， C2是惯性阻力系 数， ρ 是液体的密度； 沿流动方向的单位长度的压降ΔP/L在多孔介质中可以拟合成二次函数， 即 ΔP/L＝av2+bv      (2) 其中， ΔP/L是沿流动方向的单位长度的压降， a， b是拟合得到的系数； 因此渗透率 为 惯性系数为 为获得本模型所需的渗透率， 建立与乏燃料贮存格架相同布置的流场模型， 进行CFD计 算； 模型出口压力设置为0， 入口边界采用速度边界条件， 速度采用如下的周期性 函数： vs＝Asin(ωt)      (5) 其中， vs是速度输入； ω是角频率； t是时间； A是幅度； 根据计算得到的入口 ‑出口压差曲线和入口速度曲线， 进行多孔介质渗透率和惯性系 数提取： 建立有限元计算模型： 中间为二维多孔格架， 后在验证计算中转化为多孔介质， 外围为 流场； 假设多孔格架单元长度为a， 单元间距 为b， 流场长度为c， 流场宽度为d， 入口流速为正 弦函数。 4.根据权利要求1所述的多孔介质参数的神经网络预测方法， 其特征为： 所述步骤3进权　利　要　求　书 1/2 页 2 CN 115238866 A 2一步包括如下内容： 将步骤二中的得到的多孔介质渗透率和惯性系 数作为输入， 根据经验 公式设置神经网络隐藏层的数量， 按照bp神经网络模型进行权重的更新和结果的输出， 按 照传统的数据分类方式进行训练集和验证集的划分， 对数据进行多次训练， 最终得到拟合 系数大于0.95的神经网络为止 。 5.根据权利要求3所述的多孔介质参数的神经网络预测方法， 其特征为： 所述步骤4进 一步包括如下内容： 设置神经网络隐藏层的数量， 进 行训练集和验证集的划分， 对数据进 行 多次训练， 最终得到相关性大于 0.95的神经网络为止 。 6.根据权利要求3所述的多孔介质参数的神经网络预测方法， 其特征为： 所述步骤5进 一步包括如下内容： 对预测的数据进 行分析整理， 得到预测数据和原始数据的对比图、 预测 数据误差的频率 直方图、 预测数据和参数变量之间的非线性关系。 7.第三代压水堆中多孔介质的等效计算方法， 其特征为： 包括权利要求1 ‑6任一所述的 多孔介质参数的神经网络预测方法。 8.一种核工程， 其特征为： 包括预测方法， 所述预测方法为权利要求1 ‑6任一所述的多 孔介质参数的神经网络预测方法。 9.一种非易失性存储介质， 其特征在于， 所述非易失性存储介质包括存储的程序， 其 中， 所述程序运行时控制非易 失性存储介质所在的设备执行权利要求1至6中任意一项所述 的方法。 10.一种电子装置， 其特征在于， 包含处理器和存储器； 所述存储器中存储有计算机可 读指令， 所述处理器用于运行所述计算机可读指 令， 其中， 所述计算机可读指 令运行时执行 权利要求1至 6中任意一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115238866 A 3