贝叶斯机器学习对裂变产额的不确定度评价
作者：易佳怡; 乔春源; 裴俊琛; 王子澳; 陈永静; 舒能川; 葛智刚; 许甫荣
更新时间：
先进的核能研究需要更精确的核裂变数据的支持，但核裂变的微观理论描述和实验测量非常困难。目前，一些裂变实验数据存在精度不够、不完整、发散等问题。本文以贝叶斯机器学习为基础，建立了不精确核裂变产额分布的评价方法，并以中子诱发的235U裂变为例，详细研究了误差传递对核裂变产额评价的影响。结果表明，错误传输是一种综合效应，与相邻数据信息有关，这也表明机器学习包含复杂的数据相关性。核数据的不确定性评估是核装置安全设计的关键，也是进一步进行数据融合评估的必要基础