一种基于统一贝叶斯推理的多群核数据调整方法技术

本发明专利技术公开了一种基于统一贝叶斯推理的多群核数据调整方法，该方法可以在不修改物理计算程序源代码与不计算敏感性的前提下，对多群核数据进行调整。能够同时考虑到多个响应作为积分测量信息，避免敏感性分析建立在响应关于多群核数据的函数关系线性度较高的假设及传统方法因依赖于敏感性分析而存在的适用性难题。调整后的多群数据库具有更高的计算精度与更低的计算不确定性。与更低的计算不确定性。与更低的计算不确定性。

【技术实现步骤摘要】
一种基于统一贝叶斯推理的多群核数据调整方法


[0001]本专利技术属于核反应堆堆芯
，具体涉及一种基于统一贝叶斯推理的多群核数据调整方法。

技术介绍

[0002]核数据调整利用一些先进的统计学调整方法，组合使用协方差数据和积分实验数据，并提供调整的核数据及改善的协方差数据，从而满足目标设计精度、为核数据测量者提供反馈信息以及程序确认等。传统的核数据调整方法大多基于广义线性最小二乘方法(Generalized Linear Least Squares method,GLLS)，该方法以待调整的核数据、先验核数据协方差矩阵、积分响应实测值与计算值以及积分响应关于核数据的敏感性系数作为输入，输出包括调整后的核数据、调整后的积分响应计算值以及后验协方差矩阵。
[0003]GLLS方法在应用时会遇到两个障碍。第一，GLLS方法一般基于一阶微扰理论开展敏感性系数的计算，需相应的物理计算程序具备共轭通量或广义共轭通量计算功能。对于大部分成熟的商用程序来说，并未具备共轭通量或广义共轭通量计算功能，无法开展根据积分响应k
eff
或广义响应(如反应率之比等)实测值调整核数据的计算。第二，GLLS方法采用采用线性近似，忽略非线性效应。对于非线性较强的问题，则不具备足够的调整精度。
[0004]本专利技术提出一种基于统一贝叶斯推理(Unified Bayesian Inference,UBI)的多群核数据调整方法，该方法无需敏感性计算、避免线性近似，有望大幅降低多群核数据库的不确定性，帮助进一步提高新堆设计的经济性与安全性，且该方法具有更强的可移植性与通用性。

技术实现思路

[0005]本专利技术的目的是提供一种基于统一贝叶斯推理的多群核数据调整方法，该方法可组合使用协方差数据和积分实验数据或堆芯运行实测数据，对计算程序使用的多群核数据库进行调整，从而减少反应堆物理设计软件的计算偏差与计算不确定性。
[0006]本专利技术的技术方案如下：一种基于统一贝叶斯推理的多群核数据调整方法，包括如下步骤：
[0007]步骤1：首先进行多群核数据库的截面参数σ采样；
[0008]步骤2：利用步骤1中的N套扰动多群核数据库Δσ，进行完整的中子学计算，得到扰动状态下的计算值ΔC＝[C(σ1)-C(σ0),
…
,C(σ
N
)-C(σ0)]；
[0009]步骤3：通过得到的M
σ,C
与M
C
计算多群核数据后验值以及多群协方差矩阵的后验值
[0010]步骤4：利用后验多群核数据进行中子学计算，得到后验的计算值C
post
(σ)，与实验
值E进行比较。
[0011]所述的步骤1包括形成N套扰动多群核数据库Δσ＝[σ
1-σ0,
…
,σ
N-σ0]。
[0012]所述的步骤1包括多群核数据扰动量基于多维正态分布进行抽样，正态分布的方差来自于多群协方差矩阵M
σ
。
[0013]所述的步骤2包括核数据与计算值的相关关系矩阵M
σ,C
与计算值协方差矩阵M
C
可由Δσ与ΔC近似，分别可表示为与
[0014]所述的步骤2包括将得到的M
σ,C
与M
C
代入到调整公式(6)、(7)，
[0015][0016][0017]计算多群核数据后验值以及多群协方差矩阵的后验值
[0018]所述的步骤4包括验证后验计算值与实测值误差是否减小。
[0019]本专利技术的有益效果在于：本专利技术提供的方法可以在不修改物理计算程序源代码与不计算敏感性的前提下，对多群核数据进行调整。能够同时考虑到多个响应作为积分测量信息，避免敏感性分析建立在响应关于多群核数据的函数关系线性度较高的假设及传统方法因依赖于敏感性分析而存在的适用性难题。调整后的多群数据库具有更高的计算精度与更低的计算不确定性。
附图说明
[0020]图1为TMI-1单栅元算例100次随机抽样下核数据相对调整量；
[0021]图2为TMI-1单栅元算例1H核数据相对调整量；
[0022]图3为TMI-1单栅元算例90Zr核数据相对调整量；
[0023]图4为TMI-1单栅元算例238U核数据相对调整量。
具体实施方式
[0024]下面结合附图及具体实施例对本专利技术作进一步详细说明。
[0025]一种基于统一贝叶斯推理的多群核数据调整方法，本专利技术涉及的主要物理模型如下：
[0026]统一贝叶斯推理方法将核数据σ与计算值C(σ)同时纳入贝叶斯推理的框架中，相应的贝叶斯概率模型可以表达为：
[0027]p
post
(σ,C(σ)|E)
∝
p
prior
(σ,C(σ))L(E|σ,C(σ))
ꢀꢀꢀꢀꢀꢀ
(1)
[0028]其中，p
prior
(σ,C(σ))表示核数据σ与计算值C(σ)的先验概率分布，L(E|σ,C(σ)) 表
示似然函数，可分别表示为：
[0029][0030][0031]其中，σ0表示核数据的名义值，I表示单位矩阵，M
E
为测量协方差矩阵， M
combined
表示多群核数据σ与理论计算值C综合考虑的先验概率分布，可以表达为：
[0032][0033]其中，M
σ
为核数据的多群协方差矩阵，M
σ,C
表示核数据与计算值的相关性矩阵，M
C
为计算值的协方差矩阵。将公式(2)与公式(3)代入公式(4)中，核数据σ与计算值C(σ)的后验概率分布为：
[0034][0035]通过求解后验概率最大化问题，可以得到多群核数据及理论计算值的后验期望值与协方差：
[0036][0037][0038]统一贝叶斯推理方法通过随机抽样方法计算先验协方差矩阵M
combined
中的子矩阵M
σ,C
与M
C
，从而利用公式(7)完成了多群核数据调整。
[0039]一种基于统一贝叶斯推理的多群核数据调整方法，包括如下步骤：
[0040]步骤1：首先进行多群核数据库的截面参数σ采样，形成N套扰动多群核数据库Δσ＝[σ
1-σ0,
…
,σ
N-σ0]。多群核数据扰动量基于多维正态分布进行抽样，正态分布的方差来自于多群协方差矩阵M
σ
。
[0041]步骤2：利用步骤1中的N套扰动多群核数据库Δσ，进行完整的中子学计算，得到扰动状态下的计算值ΔC＝[C(σ1)-C(σ0),
…
,C(σ
N
)-C(σ0)]，其中，C(σ
N
)表示利用第N次扰动截面σ
N
得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于统一贝叶斯推理的多群核数据调整方法，其特征在于，包括如下步骤：步骤1：首先进行多群核数据库的截面参数σ采样；步骤2：利用步骤1中的N套扰动多群核数据库Δσ，进行完整的中子学计算，得到扰动状态下的计算值ΔC＝[C(σ1)-C(σ0),
…
,C(σ
N
)-C(σ0)]；步骤3：通过得到的M
σ,C
与M
C
计算多群核数据后验值以及多群协方差矩阵的后验值步骤4：利用后验多群核数据进行中子学计算，得到后验的计算值C
post
(σ)，与实验值E进行比较。2.如权利要求1所述的一种基于统一贝叶斯推理的多群核数据调整方法，其特征在于：所述的步骤1包括形成N套扰动多群核数据库Δσ＝[σ
1-σ0,
…
,σ
N-σ0]。3.如权利要求1所述的一种基于统一贝叶斯推理的多群核数据调整方法，其特征在于：所述的步骤1包括多群...

【专利技术属性】
技术研发人员：彭星杰，吴屈，于颖锐，李庆，赵文博，刘琨，吴文斌，龚禾林，周冰燕，
申请(专利权)人：中国核动力研究设计院，
类型：发明
国别省市：