Resumen

Los datos de operación de una planta de energía nuclear se caracterizan por una gran variedad, un fuerte acoplamiento y una baja densidad de valor de datos. Al utilizar técnicas de aprendizaje automático para el diagnóstico de fallas y otras investigaciones relacionadas, la selección de características permite la reducción de la dimensionalidad manteniendo el significado físico de las características originales, mejorando así la eficiencia computacional y la capacidad de generalización del modelo de aprendizaje. En este documento, se desarrolla un algoritmo de selección de características basado en correlaciones para implementar la selección de características de los datos de operación de una planta de energía nuclear. El algoritmo propuesto se verifica mediante experimentos y se compara con algoritmos tradicionales de selección de características basados en correlaciones. Los resultados de los experimentos y la comparación muestran que el algoritmo propuesto es efectivo para lograr la reducción de dimensionalidad de los datos de operación de una planta de energía nuclear.

• Materias:Seguridad nuclear Combustible nuclear Parámetros de neutrones Simulación secuencial Datos operativos
• Subjects:Nuclear safety Nuclear Fuel Neutron parameters Sequential simulation Operational data
• Palabras claves:Central nuclear; Datos de funcionamiento; Selección de características; Técnicas de aprendizaje automático; Diagnóstico de fallos; Algoritmo basado en la correlación
• Keywords:Nuclear power plant; Operating data; Feature selection; Machine learning techniques; Fault diagnosis; Correlation-based algorithm