买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种基于FCNN与PSO相结合的事故序列筛选方法，涉及事故序列筛选技术领域，包括以下步骤：S101.明确研究对象、目标参数，完成确定论与概率论建模；S201.采用并发计算方法，并发计算RELAP5程序，快速构建深度学习数据库；S301.采用FNCC分析方法构建深度学习替代模型，代替RELAP5进行事故分析；S401.采用PSO方法，调用替代模型进行事故分析，快速捕捉各个事故序列最优解，筛选出需要进行BEPU分析的序列。本发明通过全连接神经网络构建替代模型代替传统的系统仿真程序，提高单次事故分析效率，利用粒子群优化算法对构建的替代模型进行最优化计算，减少分析计算次数的高效事故序列筛选方法。

主权项：1.基于FCNN与PSO相结合的事故序列筛选方法，其特征在于，包括以下步骤：S101.明确研究对象、目标参数，完成确定论与概率论建模；S201.采用并发计算方法，并发计算RELAP5程序，快速构建深度学习数据库；S301.采用FNCC分析方法构建深度学习替代模型，代替RELAP5进行事故分析；S401.采用PSO方法，调用替代模型进行事故分析，快速捕捉各个事故序列最优解，筛选出需要进行BEPU分析的序列；S301具体包括以下步骤：S3011.构建FCNN深度学习替代模型；S3012.判断当前数据库样本大小不变的情况下，能否生成满足精度要求的FCNN深度学习替代模型；若满足，则模型构建完成，进行封装后，进入S401，参与并发计算；否则，返回S201，增加学习数据库样本数量；S3011.构建FCNN深度学习替代模型具体包括以下步骤：S30111.调用学习数据库：将已经生成的数据库样本导入该步骤供模型构建使用；S30112.输入层学习样本数据初始化及测试样本数据初始化：根据数据库中的输入参数和输出参数，对FCNN的输入层和输出层标称值进行数据更新；并且初始化FCNN的激活函数和关键信息；S30113.隐藏层拟合：输入层的数据进入隐藏层经过激活函数进行非线性拟合；当有多个隐藏层时，前一个隐藏层的输出作为后一个隐藏层的输入进行数据传递；S30114.输出层数据输出：一个输入层初始参数经过隐藏层的拟合后会输出一个拟合目标参数；S30115.判断拟合输出数据与标称值误差是否满足要求：输出层的拟合目标参数与数据库中的RELAP5程序计算出的标准目标参数进行对比，当误差满足规定值后进入S30116中；若误差不满足规定则经过Adam算法进行程序自动调参后继续进入S30113中，直到满足规定值后进入S30116中；S30116.判断测试样本精度是否满足要求：将测试样本的输入数据导入到模型中，得到的输出值与测试样本中标准的输出值进行对比，满足要求则进行下一步；如不满足要求则继续Adam算法调参，直到满足精度要求。

全文数据：

权利要求：

百度查询： 江西捷讯企业管理有限公司 基于FCNN与PSO相结合的事故序列筛选方法