基于机器学习的30%TBP/煤油-硝酸体系中主要组分的分配比预测研究
作者机构：四川大学数学学院 中国原子能科学研究院 华东师范大学数学科学学院 上海交通大学巴黎卓越工程师学院
出 版 物：《原子能科学技术》 (Atomic Energy Science and Technology)
年 卷 期：2024年
核心收录：
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 082702[工学-核燃料循环与材料] 0805[工学-材料科学与工程（可授工学、理学学位）] 0827[工学-核科学与技术] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
摘 要：为最优化后处理过程的实验条件、优化工艺、降低实验成本和时间，并提高后处理流程数学模拟的准确性，本文基于随机森林、支持向量回归和K近邻这3种经典的机器学习算法建立了30%TBP/煤油-硝酸体系中主要组分铀、钚、硝酸的分配比数学模型，并基于不同数据集进行了超参数优化和模型训练。通过对模型进行验证和测试，发现采用随机森林算法建立的分配比模型准确度最高，其对铀预测的平均绝对相对误差达7.73%，较传统方法提高了约7%。与传统建模方法相比，机器学习方法建立模型的准确度更高。
同方期刊数据库