您当前的位置：
首页 >
文章列表页 >
基于主动学习BR-ARS-BP神经网络代理模型的铅铋冷却非能动系统可靠性分析
核能科学与工程 | 更新时间：2026-05-28

    • 基于主动学习BR-ARS-BP神经网络代理模型的铅铋冷却非能动系统可靠性分析

    • Reliability analysis of a lead-bismuth cooled passive system based on an active learning BR-ARS-BP neural network surrogate model

    • 核技术   2026年49卷第4期 文章编号：040601

    • DOI：10.3724/j.0253-3219.2026.hjs.49.250207    

      中图分类号： TL433

    • 收稿：2025-05-18，

      修回：2025-09-11，

      纸质出版：2026-04-15

    移动端阅览

  • 李飞扬,曾有为,赵鹏程等.基于主动学习BR-ARS-BP神经网络代理模型的铅铋冷却非能动系统可靠性分析[J].核技术,2026,49(04):129-139. DOI： 10.3724/j.0253-3219.2026.hjs.49.250207. CSTR： 32193.14.hjs.CN31-1342/TL.2026.49.250207.

    LI Feiyang,ZENG Youwei,ZHAO Pengcheng,et al.Reliability analysis of a lead-bismuth cooled passive system based on an active learning BR-ARS-BP neural network surrogate model[J].NUCLEAR TECHNIQUES,2026,49(04):129-139. DOI： 10.3724/j.0253-3219.2026.hjs.49.250207. CSTR： 32193.14.hjs.CN31-1342/TL.2026.49.250207.

  •  
  •  

0

浏览量

9

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

基于灰色关联度的棒束通道内液态铅铋合金中颗粒物运动沉积研究
基于FMEA的密封氘氚中子管可靠性分析
ABB控制器CD522在棒控棒位系统中的应用
中国铅基研究堆非能动余热排出系统可靠性分析
核动力装置运行过程可靠性研究现状与发展

相关作者

蒋屹
唐剑宇
周涛
雷柏茂
占勤
杨林森
孙强
朱嘉伟

相关机构

华北电力大学 核科学与工程学院
大型发电装备安全运行与智能测控国家工程研究中心
核热工安全与标准化研究团队
东南大学 能源与环境学院核科学与技术系
中国原子能科学研究院
0