JP2023076513A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2023076513A5 JP2023076513A5 JP2023044629A JP2023044629A JP2023076513A5 JP 2023076513 A5 JP2023076513 A5 JP 2023076513A5 JP 2023044629 A JP2023044629 A JP 2023044629A JP 2023044629 A JP2023044629 A JP 2023044629A JP 2023076513 A5 JP2023076513 A5 JP 2023076513A5
- Authority
- JP
- Japan
- Prior art keywords
- core calculation
- core
- evaluation result
- program
- calculation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Description
本発明は、上記した各知見に基づくものであり、請求項１に記載の発明は、
原子炉の炉心パラメータを評価するための炉心計算方法であって、
異なる物理モデルに基づいて作成された２つの炉心計算プログラムの一方を第１の炉心計算プログラム、他方を第２ の炉心計算プログラムとして、
前記第１の炉心計算プログラムに基づいて第１の炉心計算を行う第１の炉心計算工程と、
前記第２の炉心計算プログラムに基づいて第２の炉心計算を行う第２の炉心計算工程と、
前記第１の炉心計算工程における評価結果と、前記第２の炉心計算工程における評価結果とを整理および保存する整理保存工程と、
前記第１の炉心計算工程における評価結果と、前記第２の炉心計算工程における評価結果とを用いて、機械学習により相関モデルを形成するモデル化工程と、
前記相関モデルに基づいて、前記第１の炉心計算における評価結果から前記第２の炉心計算における評価結果を予測する、または、前記第２の炉心計算における評価結果から前記第１の炉心計算における評価結果を予測する予測プログラムを作成する予測プログラム作成工程とを備えており、
前記予測プログラムに、所望する炉内での燃料配置が同一で、炉心状態が異なる燃料装荷パターンに対して行った前記第１の炉心計算による評価結果、または、前記第２の炉心計算における評価結果を入力することにより、前記第２の炉心計算による評価結果、または、前記第１の炉心計算における評価結果に相当する評価結果が出力されるように構成されていることを特徴とする炉心計算方法である。
The present invention is based on each of the above findings, and the invention according to claim 1,
A core calculation method for evaluating core parameters of a nuclear reactor, comprising:
Assuming that one of the two core calculation programs created based on different physical models is the first core calculation program and the other is the second core calculation program,
a first core calculation step of performing a first core calculation based on the first core calculation program;
a second core calculation step of performing a second core calculation based on the second core calculation program;
an organizing and saving step of organizing and saving the evaluation results in the first core calculation step and the evaluation results in the second core calculation step;
a modeling step of forming a correlation model by machine learning using the evaluation result in the first core calculation step and the evaluation result in the second core calculation step;
Based on the correlation model, the evaluation result in the second core calculation is predicted from the evaluation result in the first core calculation, or the evaluation result in the first core calculation is predicted from the evaluation result in the second core calculation. and a prediction program creation step of creating a prediction program for predicting the result,
In the prediction program, the evaluation result by the first core calculation performed for the fuel loading pattern with the same desired fuel arrangement in the reactor and different core states , or the evaluation result in the second core calculation is input, the evaluation result of the second core calculation or the evaluation result corresponding to the evaluation result of the first core calculation is output. is.
請求項３に記載の発明は、
原子炉の炉心パラメータを評価するための炉心計算方法であって、
想定される燃料装荷パターンのそれぞれに対して、
相対的に近似が多い物理モデルに基づく炉心計算プログラムを第１の炉心計算プログラムとし、相対的に近似が少ない物理モデルに基づく炉心計算プログラムを第２の炉心計算プログラムとして、
前記第１の炉心計算プログラムに基づいて第１の炉心計算を行うと共に、
前記第２の炉心計算プログラムに基づいて第２の炉心計算を行った後、
前記第１の炉心計算で得られた評価結果と、前記第２の炉心計算で得られた評価結果とを整理および保存して、教師データとし、
前記教師データに基づいて、燃料集合体最高燃焼度分布を抽出して、データセットを作成し、その後、前記データセットに対して機械学習を行うことにより、２つの炉心計算に用いる炉心計算プログラムにおける相関関係を得て、相関モデルを形成し、
前記相関モデルに基づいて、前記第１の炉心計算における評価結果から、前記第２の炉心計算における評価結果を予測する予測プログラムを作成し、
前記予測プログラムに、所望する炉内での燃料配置が同一で、炉心状態が異なる燃料装荷パターンに対して行った前記第１の炉心計算による評価結果を入力することにより、前記第２の炉心計算による評価結果に相当する評価結果を出力させることを特徴とする炉心計算方法である。
The invention according to claim 3,
A core calculation method for evaluating core parameters of a nuclear reactor, comprising:
For each assumed fuel loading pattern,
A core calculation program based on a physical model with relatively many approximations is defined as a first core calculation program, and a core calculation program based on a physical model with relatively few approximations is defined as a second core calculation program,
Performing a first core calculation based on the first core calculation program,
After performing the second core calculation based on the second core calculation program,
organizing and storing the evaluation results obtained in the first core calculation and the evaluation results obtained in the second core calculation as training data;
Based on the training data, the maximum fuel assembly burnup distribution is extracted, a data set is created, and then machine learning is performed on the data set, so that the core calculation program used for the two core calculations Obtaining correlations, forming a correlation model,
creating a prediction program for predicting an evaluation result in the second core calculation from the evaluation result in the first core calculation based on the correlation model;
The second core calculation is performed by inputting the evaluation results of the first core calculation performed for the fuel loading patterns with the same desired fuel arrangement in the reactor and different core states into the prediction program. A core calculation method characterized by outputting an evaluation result corresponding to the evaluation result obtained by
請求項５に記載の発明は、
原子炉の炉心パラメータを評価するための炉心計算プログラムであって、
異なる物理モデルに基づいて作成された２つの炉心計算プログラムの一方を第１の炉心計算プログラム、他方を第２の炉心計算プログラムとして、
前記第１の炉心計算プログラムに基づいて第１の炉心計算を行う第１の炉心計算ステップと、
前記第２の炉心計算プログラムに基づいて第２の炉心計算を行う第２の炉心計算ステップと、
前記第１の炉心計算ステップにおける評価結果と、前記第２の炉心計算ステップにおける評価結果とを整理および保存する整理保存ステップと、
前記第１の炉心計算ステップにおける評価結果と、前記第２の炉心計算ステップにおける評価結果とを用いて、機械学習により相関モデルを形成するモデル化ステップと、
前記相関モデルに基づいて、前記第１の炉心計算における評価結果から前記第２の炉心計算における評価結果を予測する、または、前記第２の炉心計算における評価結果から前記第１の炉心計算における評価結果を予測する予測プログラムを作成する予測プログラム作成ステップとを備えており、
前記予測プログラムに、所望する炉内での燃料配置が同一で、炉心状態が異なる燃料装荷パターンに対して行った前記第１の炉心計算による評価結果、または、前記第２の炉心計算における評価結果を入力することにより、前記第２の炉心計算による評価結果、または、前記第１の炉心計算における評価結果に相当する評価結果が出力されるように構成されていることを特徴とする炉心計算プログラムである。
The invention according to claim 5,
A core calculation program for evaluating core parameters of a nuclear reactor,
One of two core calculation programs created based on different physical models is defined as a first core calculation program and the other as a second core calculation program,
a first core calculation step of performing a first core calculation based on the first core calculation program;
a second core calculation step of performing a second core calculation based on the second core calculation program;
an organizing and saving step for organizing and saving the evaluation results in the first core calculation step and the evaluation results in the second core calculation step;
a modeling step of forming a correlation model by machine learning using the evaluation result in the first core calculation step and the evaluation result in the second core calculation step;
Based on the correlation model, the evaluation result in the second core calculation is predicted from the evaluation result in the first core calculation, or the evaluation result in the first core calculation is predicted from the evaluation result in the second core calculation. and a prediction program creation step of creating a prediction program that predicts the result,
In the prediction program, the evaluation result by the first core calculation performed for the fuel loading pattern with the same desired fuel arrangement in the reactor and different core states , or the evaluation result in the second core calculation A core calculation program characterized in that an evaluation result corresponding to the evaluation result of the second core calculation or the evaluation result of the first core calculation is output by inputting is.
請求項７に記載の発明は、
原子炉の炉心パラメータを評価するための炉心計算プログラムであって、
想定される燃料装荷パターンのそれぞれに対して、
相対的に近似が多い物理モデルに基づいて第１の炉心計算を行う第１の炉心計算ステップと、
相対的に近似が少ない物理モデルに基づいて第２の炉心計算を行う第２の炉心計算ステップと、
前記第１の炉心計算で得られた評価結果と、前記第２の炉心計算で得られた評価結果とを整理および保存して、教師データとする整理保存ステップと、
前記教師データに基づいて、燃料集合体最高燃焼度分布を抽出して、データセットを作成し、その後、前記データセットに対して機械学習を行うことにより、前記第１の炉心計算で得られる評価結果と前記第２の炉心計算で得られる評価結果の相関関係を得て、相関モデルを形成するモデル化ステップと、
前記相関モデルに基づいて、前記第１の炉心計算における評価結果から、前記第２の炉心計算における評価結果を予測する予測プログラムを作成する予測プログラム作成ステップと、
前記予測プログラムに、所望する炉内での燃料配置が同一で、炉心状態が異なる燃料装荷パターンに対して行った前記第１の炉心計算による評価結果を入力することにより、前記第２の炉心計算による評価結果に相当する評価結果を出力させるように構成されていることを特徴とする炉心計算プログラムである。
The invention according to claim 7,
A core calculation program for evaluating core parameters of a nuclear reactor,
For each assumed fuel loading pattern,
a first core calculation step of performing a first core calculation based on a physical model with relatively many approximations;
a second core calculation step of performing a second core calculation based on a physical model with relatively less approximation;
an organizing and saving step of organizing and saving the evaluation results obtained by the first core calculation and the evaluation results obtained by the second core calculation, and using them as teacher data;
Based on the training data, the maximum fuel assembly burnup distribution is extracted, a data set is created, and then machine learning is performed on the data set to obtain the evaluation obtained in the first core calculation. a modeling step of obtaining a correlation between the result and the evaluation result obtained by the second core calculation and forming a correlation model;
a prediction program creation step of creating a prediction program for predicting an evaluation result in the second core calculation from the evaluation result in the first core calculation based on the correlation model;
The second core calculation is performed by inputting the evaluation results of the first core calculation performed for the fuel loading patterns with the same desired fuel arrangement in the reactor and different core states into the prediction program. It is a core calculation program characterized in that it is configured to output an evaluation result corresponding to the evaluation result by.
Claims (9)
異なる物理モデルに基づいて作成された２つの炉心計算プログラムの一方を第１の炉心計算プログラム、他方を第２の炉心計算プログラムとして、
前記第１の炉心計算プログラムに基づいて第１の炉心計算を行う第１の炉心計算工程と、
前記第２の炉心計算プログラムに基づいて第２の炉心計算を行う第２の炉心計算工程と、
前記第１の炉心計算工程における評価結果と、前記第２の炉心計算工程における評価結
果とを整理および保存する整理保存工程と、
前記第１の炉心計算工程における評価結果と、前記第２の炉心計算工程における評価結果とを用いて、機械学習により相関モデルを形成するモデル化工程と、
前記相関モデルに基づいて、前記第１の炉心計算における評価結果から前記第２の炉心計算における評価結果を予測する、または、前記第２の炉心計算における評価結果から前記第１の炉心計算における評価結果を予測する予測プログラムを作成する予測プログラム作成工程とを備えており、
前記予測プログラムに、所望する炉内での燃料配置が同一で、炉心状態が異なる燃料装荷パターンに対して行った前記第１の炉心計算による評価結果、または、前記第２の炉心計算における評価結果を入力することにより、前記第２の炉心計算による評価結果、または、前記第１の炉心計算における評価結果に相当する評価結果が出力されるように構成されていることを特徴とする炉心計算方法。 A core calculation method for evaluating core parameters of a nuclear reactor, comprising:
One of two core calculation programs created based on different physical models is defined as a first core calculation program and the other as a second core calculation program,
a first core calculation step of performing a first core calculation based on the first core calculation program;
a second core calculation step of performing a second core calculation based on the second core calculation program;
an organizing and saving step of organizing and saving the evaluation results in the first core calculation step and the evaluation results in the second core calculation step;
a modeling step of forming a correlation model by machine learning using the evaluation result in the first core calculation step and the evaluation result in the second core calculation step;
Based on the correlation model, the evaluation result in the second core calculation is predicted from the evaluation result in the first core calculation, or the evaluation result in the first core calculation is predicted from the evaluation result in the second core calculation. and a prediction program creation step of creating a prediction program for predicting the result,
In the prediction program, the evaluation result by the first core calculation performed for the fuel loading pattern with the same desired fuel arrangement in the reactor and different core states , or the evaluation result in the second core calculation is input, the evaluation result of the second core calculation or the evaluation result corresponding to the evaluation result of the first core calculation is output. .
想定される燃料装荷パターンのそれぞれに対して、
相対的に近似が多い物理モデルに基づく炉心計算プログラムを第１の炉心計算プログラムとし、相対的に近似が少ない物理モデルに基づく炉心計算プログラムを第２の炉心計算プログラムとして、
前記第１の炉心計算プログラムに基づいて第１の炉心計算を行うと共に、
前記第２の炉心計算プログラムに基づいて第２の炉心計算を行った後、
前記第１の炉心計算で得られた評価結果と、前記第２の炉心計算で得られた評価結果とを整理および保存して、教師データとし、
前記教師データに基づいて、燃料集合体最高燃焼度分布を抽出して、データセットを作成し、その後、前記データセットに対して機械学習を行うことにより、２つの炉心計算に用いる炉心計算プログラムにおける相関関係を得て、相関モデルを形成し、
前記相関モデルに基づいて、前記第１の炉心計算における評価結果から、前記第２の炉心計算における評価結果を予測する予測プログラムを作成し、
前記予測プログラムに、所望する炉内での燃料配置が同一で、炉心状態が異なる燃料装荷パターンに対して行った前記第１の炉心計算による評価結果を入力することにより、前記第２の炉心計算による評価結果に相当する評価結果を出力させることを特徴とする炉心計算方法。 A core calculation method for evaluating core parameters of a nuclear reactor, comprising:
For each assumed fuel loading pattern,
A core calculation program based on a physical model with relatively many approximations is defined as a first core calculation program, and a core calculation program based on a physical model with relatively few approximations is defined as a second core calculation program,
Performing a first core calculation based on the first core calculation program,
After performing the second core calculation based on the second core calculation program,
organizing and storing the evaluation results obtained in the first core calculation and the evaluation results obtained in the second core calculation as training data;
Based on the training data, the maximum fuel assembly burnup distribution is extracted, a data set is created, and then machine learning is performed on the data set, so that the core calculation program used for the two core calculations Obtaining correlations, forming a correlation model,
creating a prediction program for predicting an evaluation result in the second core calculation from the evaluation result in the first core calculation based on the correlation model;
The second core calculation is performed by inputting the evaluation results of the first core calculation performed for the fuel loading patterns with the same desired fuel arrangement in the reactor and different core states into the prediction program. A core calculation method characterized by outputting an evaluation result corresponding to the evaluation result by
異なる物理モデルに基づいて作成された２つの炉心計算プログラムの一方を第１の炉心計算プログラム、他方を第２の炉心計算プログラムとして、
前記第１の炉心計算プログラムに基づいて第１の炉心計算を行う第１の炉心計算ステップと、
前記第２の炉心計算プログラムに基づいて第２の炉心計算を行う第２の炉心計算ステップと、
前記第１の炉心計算ステップにおける評価結果と、前記第２の炉心計算ステップにおける評価結果とを整理および保存する整理保存ステップと、
前記第１の炉心計算ステップにおける評価結果と、前記第２の炉心計算ステップにおける評価結果とを用いて、機械学習により相関モデルを形成するモデル化ステップと、
前記相関モデルに基づいて、前記第１の炉心計算における評価結果から前記第２の炉心計算における評価結果を予測する、または、前記第２の炉心計算における評価結果から前記第１の炉心計算における評価結果を予測する予測プログラムを作成する予測プログラム作成ステップとを備えており、
前記予測プログラムに、所望する炉内での燃料配置が同一で、炉心状態が異なる燃料装荷パターンに対して行った前記第１の炉心計算による評価結果、または、前記第２の炉心計算における評価結果を入力することにより、前記第２の炉心計算による評価結果、または、前記第１の炉心計算における評価結果に相当する評価結果が出力されるように構成されていることを特徴とする炉心計算プログラム。 A core calculation program for evaluating core parameters of a nuclear reactor,
One of two core calculation programs created based on different physical models is defined as a first core calculation program and the other as a second core calculation program,
a first core calculation step of performing a first core calculation based on the first core calculation program;
a second core calculation step of performing a second core calculation based on the second core calculation program;
an organizing and saving step for organizing and saving the evaluation results in the first core calculation step and the evaluation results in the second core calculation step;
a modeling step of forming a correlation model by machine learning using the evaluation result in the first core calculation step and the evaluation result in the second core calculation step;
Based on the correlation model, the evaluation result in the second core calculation is predicted from the evaluation result in the first core calculation, or the evaluation result in the first core calculation is predicted from the evaluation result in the second core calculation. and a prediction program creation step of creating a prediction program that predicts the result,
In the prediction program, the evaluation result by the first core calculation performed for the fuel loading pattern with the same desired fuel arrangement in the reactor and different core states , or the evaluation result in the second core calculation A core calculation program characterized in that an evaluation result corresponding to the evaluation result of the second core calculation or the evaluation result of the first core calculation is output by inputting .
想定される燃料装荷パターンのそれぞれに対して、
相対的に近似が多い物理モデルに基づいて第１の炉心計算を行う第１の炉心計算ステップと、
相対的に近似が少ない物理モデルに基づいて第２の炉心計算を行う第２の炉心計算ステップと、
前記第１の炉心計算で得られた評価結果と、前記第２の炉心計算で得られた評価結果とを整理および保存して、教師データとする整理保存ステップと、
前記教師データに基づいて、燃料集合体最高燃焼度分布を抽出して、データセットを作成し、その後、前記データセットに対して機械学習を行うことにより、前記第１の炉心計算で得られる評価結果と前記第２の炉心計算で得られる評価結果の相関関係を得て、相関モデルを形成するモデル化ステップと、
前記相関モデルに基づいて、前記第１の炉心計算における評価結果から、前記第２の炉心計算における評価結果を予測する予測プログラムを作成する予測プログラム作成ステップと、
前記予測プログラムに、所望する炉内での燃料配置が同一で、炉心状態が異なる燃料装荷パターンに対して行った前記第１の炉心計算による評価結果を入力することにより、前記第２の炉心計算による評価結果に相当する評価結果を出力させるように構成されていることを特徴とする炉心計算プログラム。 A core calculation program for evaluating core parameters of a nuclear reactor,
For each assumed fuel loading pattern,
a first core calculation step of performing a first core calculation based on a physical model with relatively many approximations;
a second core calculation step of performing a second core calculation based on a physical model with relatively less approximation;
an organizing and saving step of organizing and saving the evaluation results obtained by the first core calculation and the evaluation results obtained by the second core calculation, and using them as teacher data;
Based on the training data, the maximum fuel assembly burnup distribution is extracted, a data set is created, and then machine learning is performed on the data set to obtain the evaluation obtained in the first core calculation. a modeling step of obtaining a correlation between the result and the evaluation result obtained by the second core calculation and forming a correlation model;
a prediction program creation step of creating a prediction program for predicting an evaluation result in the second core calculation from the evaluation result in the first core calculation based on the correlation model;
The second core calculation is performed by inputting the evaluation results of the first core calculation performed for the fuel loading patterns with the same desired fuel arrangement in the reactor and different core states into the prediction program. A core calculation program characterized by being configured to output an evaluation result corresponding to the evaluation result by.
請求項５ないし請求項８のいずれか１項に記載の炉心計算プログラムが搭載されており、
炉心計算に必要なデータを入力するためのデータ入力手段と、
入力されたデータに基づいて前記予測プログラムにより計算された結果を、炉心パラメータの評価値として出力するデータ出力手段とを備えていることを特徴とする炉心計算装置。 A core calculator used to evaluate core parameters of a nuclear reactor, comprising:
The core calculation program according to any one of claims 5 to 8 is installed,
data input means for inputting data necessary for core calculation;
and data output means for outputting the result calculated by the prediction program based on the inputted data as an evaluation value of the core parameter.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2023044629A JP2023076513A (en) | 2019-09-04 | 2023-03-20 | Reactor core calculation method, reactor core calculation program and reactor core calculation device |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019161216A JP7252100B2 (en) | 2019-09-04 | 2019-09-04 | Core calculation method, core calculation program and core calculation device |
| JP2023044629A JP2023076513A (en) | 2019-09-04 | 2023-03-20 | Reactor core calculation method, reactor core calculation program and reactor core calculation device |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019161216A Division JP7252100B2 (en) | 2019-09-04 | 2019-09-04 | Core calculation method, core calculation program and core calculation device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2023076513A JP2023076513A (en) | 2023-06-01 |
| JP2023076513A5 true JP2023076513A5 (en) | 2023-06-08 |
Family
ID=74848515
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019161216A Active JP7252100B2 (en) | 2019-09-04 | 2019-09-04 | Core calculation method, core calculation program and core calculation device |
| JP2023044629A Pending JP2023076513A (en) | 2019-09-04 | 2023-03-20 | Reactor core calculation method, reactor core calculation program and reactor core calculation device |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019161216A Active JP7252100B2 (en) | 2019-09-04 | 2019-09-04 | Core calculation method, core calculation program and core calculation device |
Country Status (1)
| Country | Link |
|---|---|
| JP (2) | JP7252100B2 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117558472B (en) * | 2024-01-11 | 2024-03-15 | 深圳大学 | Nuclear reactor cooling system and cooling control method thereof |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04113297A (en) * | 1990-09-01 | 1992-04-14 | Toshiba Corp | Device for presuming reactor core function of nuclear reactor |
| JPH05196793A (en) * | 1992-01-22 | 1993-08-06 | Hitachi Ltd | Supporting apparatus for preparation of operation plan |
| JPH07198887A (en) * | 1993-12-28 | 1995-08-01 | Toshiba Corp | Reactor core performance estimation device of atomic reactor |
| JPH1020072A (en) * | 1996-07-02 | 1998-01-23 | Hitachi Ltd | Reactor core performance calculating device |
| US6528225B1 (en) | 1998-03-09 | 2003-03-04 | Xerox Corporation | Carrier |
| JP4008926B2 (en) | 2005-01-21 | 2007-11-14 | 株式会社東芝 | Core performance calculator |
| JP6621395B2 (en) | 2016-12-12 | 2019-12-18 | 三菱重工業株式会社 | Evaluation apparatus, evaluation method, computer program, and recording medium |
| JP6779185B2 (en) | 2017-08-25 | 2020-11-04 | 三菱パワー株式会社 | Water quality control equipment, water treatment systems, heat plants, power plants, and water quality control methods |
-
2019
- 2019-09-04 JP JP2019161216A patent/JP7252100B2/en active Active
-
2023
- 2023-03-20 JP JP2023044629A patent/JP2023076513A/en active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110210654A (en) | Product model designing system and method | |
| JP2008538429A (en) | Model optimization method and system using zeta statistics | |
| CN108595815B (en) | Artificial intelligence body training system and passive circuit optimization design system and method | |
| EP3846034B1 (en) | Systems and methods for automated testing using artificial intelligence techniques | |
| CN111126668A (en) | Spark operation time prediction method and device based on graph convolution network | |
| US20070179917A1 (en) | Intelligent design optimization method and system | |
| JP2023076513A5 (en) | ||
| CN109101712A (en) | Product model designing system and method based on figure network | |
| Bakaev et al. | Application of evolutionary algorithms in interaction design: From requirements and ontology to optimized web interface | |
| KR20210027590A (en) | multilayer artificial neural network performance evaluation apparatus including multiple sub models and method therefor | |
| CN113901725A (en) | Intelligent prediction system and method for continuous rolling process of seamless steel pipe based on Matlab | |
| JP2023076513A (en) | Reactor core calculation method, reactor core calculation program and reactor core calculation device | |
| Shaeffer et al. | Application of Machine Learning to Early-Stage Hull Form Design | |
| JPWO2021229648A5 (en) | ||
| Grif et al. | Automation of human-machine systems design based on functional-structural theory | |
| CN112633516B (en) | Performance prediction and machine learning compiling optimization method and device | |
| CN113821975B (en) | Method and system for predicting performance decay of fuel cell | |
| WO2020167316A1 (en) | Machine learning-based generative design for process planning | |
| Alsmadi et al. | Effective generation of test cases using genetic algorithms and optimization theory | |
| Siddesh et al. | Prediction of Optimized Design Under Dynamic Loads Using Kriging Metamodel | |
| Globa et al. | The effectiveness of parametric modelling and design ideation in architectural engineering | |
| Burton | A framework for performance-based analytics driven design | |
| Rani et al. | A Novel Approach for Analyzing the Behavior of Industrial Systems Using Uncertain Data | |
| CN110942149B (en) | Feature variable selection method based on information change rate and condition mutual information | |
| CN114254764B (en) | Feedback-based machine learning model searching method, system, equipment and medium |