基于机器学习的30%TBP/煤油-硝酸体系中主要组分的分配比预测研究

作     者：于婷 张音音 张睿志 金文蕾 罗应婷 朱升峰 何辉 叶国安 龚禾林 YU Ting;ZHANG Yinyin;ZHANG Ruizhi;JIN Wenlei;LUO Yingting;ZHU Shengfeng;HE Hui;YE Guoan;GONG Helin

作者机构：中国原子能科学研究院北京102413 四川大学数学学院四川成都610065 华东师范大学数学科学学院上海200241 上海交通大学巴黎卓越工程师学院上海200240 

出 版 物：《原子能科学技术》 (Atomic Energy Science and Technology)

年 卷 期：2025年第59卷第1期

页      面：14-23页

核心收录：

学科分类：08[工学] 082702[工学-核燃料循环与材料] 0805[工学-材料科学与工程（可授工学、理学学位）] 0827[工学-核科学与技术] 

主　　题：分配比数学模型 随机森林 支持向量回归 K近邻 

摘      要：为最优化后处理过程的实验条件、优化工艺、降低实验成本和时间,并提高后处理流程数学模拟的准确性,本文基于随机森林、支持向量回归和K近邻这3种经典的机器学习算法建立了30%TBP/煤油-硝酸体系中主要组分铀、钚、硝酸的分配比数学模型,并基于不同数据集进行了超参数优化和模型训练。通过对模型进行验证和测试,发现采用随机森林算法建立的分配比模型准确度最高,其对铀预测的平均绝对相对误差达7.73%,较传统方法提高了约7%。与传统建模方法相比,机器学习方法建立模型的准确度更高。