文献

J-GLOBAL ID：202202293647178986   整理番号：22A0322189

光ファイバ温度測定に基づく機械学習を用いた消光挙動の高分解能予測【JST・京大機械翻訳】

High-resolution prediction of quenching behavior using machine learning based on optical fiber temperature measurement

著者 (3件)： Kim Kyung Mo (Mechanical Engineering Department, Virginia Polytechnic Institute and State University, 635 Prices Fork Road, Blacksburg, VA 24060, United States) ,  Hurley Paul (Mechanical Engineering Department, Virginia Polytechnic Institute and State University, 635 Prices Fork Road, Blacksburg, VA 24060, United States) ,  Duarte Juliana Pacheco (Mechanical Engineering Department, Virginia Polytechnic Institute and State University, 635 Prices Fork Road, Blacksburg, VA 24060, United States)
資料名： International Journal of Heat and Mass Transfer  (International Journal of Heat and Mass Transfer)
巻： 184  ページ： Null  発行年： 2022年 
JST資料番号： C0390A  ISSN： 0017-9310  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 急冷熱伝達は熱油圧工学における代表的な複雑な現象である。急冷挙動を正確に予測するための多大な努力にもかかわらず,従来の解析方法論と相関は,加熱器ロッドの軸方向位置に従って,急冷熱伝達に関する限られた予測能力を示した。既存のモデルの偏差は,低解像度温度測定および限られた回帰性能による軸方向熱伝導の不確実性から生じる。本研究では,従来の予測方法の固有限界を克服するために,消光について高い空間分解能を持つ光ファイバ温度測定データを用いて機械学習モデルを訓練した。サポートベクトルマシン(SVM),ランダムフォレスト(RF),および多層パーセプトロン(MLP)モデルを訓練し,MLPモデルは,補間容量による入力と出力の間の基礎となる関係の強い解析のため,最良の予測性能(R2=0.9999と試験RMSE=1.41°C)を示した。最適MLPモデル(5~30-1構造)は,従来の相関からは得られず,既存の計算解析手法において高い不確実性を持つ空間再溶解クエンチング挙動を提供することによって,最小膜沸騰温度,急冷フロント伝搬速度,および過渡沸騰曲線の観点から,インコネル-600およびモネルK500の底部クエンチング挙動に対する実験データと良好な一致を示した。開発したMLPモデルは,FeCrAl事故耐性燃料被覆表面の消光挙動を予測する能力を持ち,最小膜沸騰温度(平均誤差3.7%)に対する予測可能性は,7.1%平均誤差を持つ従来の相関より良好であった。機械学習技法を用いた提案方法論は,不確実性の低減による消光現象に関する予測可能性の革新的改善に寄与するであろう。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  *温度測定 ,  *消光 ,  熱伝達 ,  溶解 ,  不確実性 ,  膜沸騰 ,  内挿法 ,  インコネル ,  急冷 ,  *光ファイバ ,  クエンチ ,  *機械学習 ,  サポートベクトルマシン
準シソーラス用語： ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (5件)： 焼入 ,  ポストCHF ,  光ファイバ温度測定 ,  機械学習 ,  原子力安全性

分類 (1件)： 相変化を伴う熱伝達  (PA02040V)

タイトルに関連する用語 (7件)： 光ファイバ ,  温度測定 ,  機械学習 ,  消光 ,  挙動 ,  高分解能 ,  予測