基于神经网络和决策树算法的裂变产物核(n,2n)反应截面研究
基于神经网络和决策树算法的裂变产物核(n,2n)反应截面研究
复制标题
DOI：
10.7538/yzk.2023.youxian.0049
复制
发表时间：
2023
期刊：
影响因子：
--
通讯作者：
舒能川
中科院分区：
文献类型：
--
作者：
孙小东;韦子豪;王端;续瑞瑞;田源;陶曦;张英逊;张玥;张智;葛智刚;王记民;王俊辰;夏候琼;舒能川
为了大规模预言缺少实验测量的裂变产物核反应截面数据,在整理现有(n,2n)反应截面5 294个实验数据的基础上,分析相关的物理特征建立实验数据集,分别构建和训练反向传播神经网络和极致梯度提升树模型学习数据。神经网络的隐藏层包含两个子网络,分别由2层各128个神经元构成。极致梯度提升树模型集成了16棵决策树。结果表明,虽然(n,2n)反应截面实验测量数据大多集中分布在中子入射能量14MeV附近,且相互之间存在分歧,本工作机器学习模型均可较好描述反应截面的实验测量数据,具有较好的预言能力,对于缺少实验数据的情况同样与评价数据库基本符合。人工神经网络模型在测试集中预测结果与实验数据平均相对偏差小于10%的数据占比超过85%。机器学习方法能为核数据评价研究提供参考。