用于乏燃料核素组成代理建模的高斯过程
计算物理
2021-03-16 v2 数据分析、统计与概率
统计计算
摘要
若干应用，如核取证、核燃料循环模拟和灵敏度分析，需要能够快速计算不同辐照历史下的乏燃料核素组成的方法。传统上，这是通过对从核反应堆模拟中针对输入参数网格预先计算的一群截面进行插值来实现的，使用的拟合方法如三次样条。我们提出使用高斯过程（GP）来创建代理模型，其不仅提供核素组成，还提供梯度及其预测不确定性的估计。前者对正演和反演优化问题等应用有用，后者对不确定性量化应用有用。为此，我们基于使用 SERPENT 2 代码对 CANDU 6 核反应堆无限栅元模拟，以燃耗和温度作为输入参数，比较了基于 GP 的代理模型与基于三次样条的插值器性能。此外，我们比较了各种网格采样方案与基于 Sobol 序列的拟随机采样性能。我们发现，基于 GP 的模型在预测乏燃料组成方面显著优于基于三次样条的模型，尽管需要更长的计算运行时间。此外，我们表明预测的核素不确定性相当准确。在所研究的两维情形中，网格采样与拟随机采样给出相似结果，但拟随机采样在更高维情形中将是更有效的策略。
引用
@article{arxiv.2006.12921,
title = {Gaussian Processes for Surrogate Modeling of Discharged Fuel Nuclide Compositions},
author = {Antonio Figueroa and Malte Goettsche},
journal= {arXiv preprint arXiv:2006.12921},
year = {2021}
}
备注
18 pages, 4 figures, 7 tables. Submitted to Annals of Nuclear Energy. Manuscript Accepted for Publication