期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于JASMIN框架多物理耦合程序的性能优化及分析
被引量：
6
1
作者
任健
武林平
申卫东
《计算物理》
CSCD
北大核心
2015年第4期431-436,共6页
基于并行应用支撑软件框架JASMIN的辐射流体与粒子输运耦合程序RHSn2D,采用最小邦元固定处理器数目的并行策略,计算实际模型的并行规模扩展至8 192核,并行效率约为16%.集成程序时间分析,验证软件框架底层MPI并行环境聚合通信对于并行优...
基于并行应用支撑软件框架JASMIN的辐射流体与粒子输运耦合程序RHSn2D,采用最小邦元固定处理器数目的并行策略,计算实际模型的并行规模扩展至8 192核,并行效率约为16%.集成程序时间分析,验证软件框架底层MPI并行环境聚合通信对于并行优化算法(尤其是辐射流体计算时间)的影响.
展开更多
关键词
多物理耦合
并行计算
性能优化
RHSn2D程序
并行
软件
支撑框架
jasmin
在线阅读
下载PDF
职称材料
机器学习算法在燃料棒温度性能预测中的应用
被引量：
6
2
作者
洪亮
金鑫
+1 位作者
刘虓瀚
卫小艳
《深圳大学学报（理工版）》
CAS
CSCD
北大核心
2022年第5期515-520,共6页
为对燃料棒温度性能进行有效预测,分别基于k近邻、决策树和AdaBoost机器学习算法建立预测模型.利用燃料棒性能分析软件JASMINE的输入参数和计算结果以及数据的特征工程构建模型的训练和测试数据集.采用包含芯块与包壳类型、轴向高度、...
为对燃料棒温度性能进行有效预测,分别基于k近邻、决策树和AdaBoost机器学习算法建立预测模型.利用燃料棒性能分析软件JASMINE的输入参数和计算结果以及数据的特征工程构建模型的训练和测试数据集.采用包含芯块与包壳类型、轴向高度、局部功率、包壳腐蚀厚度和堆芯入口温度6个特征参数的训练数据集对模型进行训练.采用测试数据集对包壳外表面温度和芯块中心温度进行预测.结果表明,基于AdaBoost算法建立的模型对包壳外表面温度和芯块中心温度的预测结果的均方误差分别为0.605℃和8.347℃,平均绝对误差分别为0.273℃和3.814℃.对比预测值与目标值,AdaBoost算法对包壳外表面温度预测的最大偏差为3℃,芯块中心温度的预测偏差大部分小于10℃.基于AdaBoost算法建立的模型对燃料棒温度性能具有较高的预测精度.
展开更多
关键词
核能
机器学习
燃料棒温度
jasmine软件
K近邻
决策树
ADABOOST算法
在线阅读
下载PDF
职称材料
题名
基于JASMIN框架多物理耦合程序的性能优化及分析
被引量：
6
1
作者
任健
武林平
申卫东
机构
北京应用物理与计算数学研究所
出处
《计算物理》
CSCD
北大核心
2015年第4期431-436,共6页
基金
国家自然科学基金(11472059)资助项目
文摘
基于并行应用支撑软件框架JASMIN的辐射流体与粒子输运耦合程序RHSn2D,采用最小邦元固定处理器数目的并行策略,计算实际模型的并行规模扩展至8 192核,并行效率约为16%.集成程序时间分析,验证软件框架底层MPI并行环境聚合通信对于并行优化算法(尤其是辐射流体计算时间)的影响.
关键词
多物理耦合
并行计算
性能优化
RHSn2D程序
并行
软件
支撑框架
jasmin
Keywords
multi-physics composition
parallel computing
performance optimization
RHSn2D
parallel software infrastructure
jasmin
分类号
TP301 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
机器学习算法在燃料棒温度性能预测中的应用
被引量：
6
2
作者
洪亮
金鑫
刘虓瀚
卫小艳
机构
中广核研究院有限公司
出处
《深圳大学学报（理工版）》
CAS
CSCD
北大核心
2022年第5期515-520,共6页
文摘
为对燃料棒温度性能进行有效预测,分别基于k近邻、决策树和AdaBoost机器学习算法建立预测模型.利用燃料棒性能分析软件JASMINE的输入参数和计算结果以及数据的特征工程构建模型的训练和测试数据集.采用包含芯块与包壳类型、轴向高度、局部功率、包壳腐蚀厚度和堆芯入口温度6个特征参数的训练数据集对模型进行训练.采用测试数据集对包壳外表面温度和芯块中心温度进行预测.结果表明,基于AdaBoost算法建立的模型对包壳外表面温度和芯块中心温度的预测结果的均方误差分别为0.605℃和8.347℃,平均绝对误差分别为0.273℃和3.814℃.对比预测值与目标值,AdaBoost算法对包壳外表面温度预测的最大偏差为3℃,芯块中心温度的预测偏差大部分小于10℃.基于AdaBoost算法建立的模型对燃料棒温度性能具有较高的预测精度.
关键词
核能
机器学习
燃料棒温度
jasmine软件
K近邻
决策树
ADABOOST算法
Keywords
nuclear energy
machine learning
fuel rod temperature
jasmine
software
k-nearest neighbor
decision tree
Ada Boost algorithm
分类号
TL99 [核科学技术—核技术及应用]
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于JASMIN框架多物理耦合程序的性能优化及分析
任健
武林平
申卫东
《计算物理》
CSCD
北大核心
2015
6
在线阅读
下载PDF
职称材料
2
机器学习算法在燃料棒温度性能预测中的应用
洪亮
金鑫
刘虓瀚
卫小艳
《深圳大学学报（理工版）》
CAS
CSCD
北大核心
2022
6
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
