核电替代网络
npsn的Python项目详细描述
核电替代网络
NPSN是一个软件包，它允许对神经网络进行简单的训练和优化，从而根据控制叶片位置提供核反应堆功率分布的多维回归。 该包是使用tensorflow后端和kerasAPI开发的。 该软件包用于抽象导入/预处理数据、优化神经网络结构和提供性能指标的过程。 本项目的目的是促进自主反应堆控制系统所需的替代模型的开发。 训练数据的格式在data generation脚本的顶部有详细说明。在
示例
importnpsnt# Define dataset directorydata_dir='~/some/data_location'# Define model nameproj_nm='npsn_surrogate'# Define number of control bladesn_x=4# Define nodalization of power distributionn_y=(15,20)#(axial_nodes, fuel_locations)# Train neural network without optimizationnpsn.train(proj_nm,data_dir,n_x,n_y)# Or with optimizationnpsn.train(proj_nm,data_dir,n_x,n_y,max_evals=100)# Post-process to quantify errornpsn.post(proj_nm)
输出将是一个keras模型，位于当前工作目录（/cwd），可以使用keras.models.load_model加载该模型。
错误度量将被输出到/cwd/csv目录，由测试和训练数据的MAP错误的平均值和标准偏差组成。
如果进行了优化研究，每个排列的数据将被输出到/cwd/mat目录，并由一个.mat文件组成，该文件可以加载到MATLAB或使用scipy.io.loadmat。在
安装
要使用pip安装：
^{pr2}$pip将满足依赖性需求。使用的环境的完整列表在requirements中。 这个软件包是在Ubuntu18.04上开发的，但也可以在Mac和Windows操作系统上运行。在
使用NPSN的纸张
引用
如果您在工作中使用NPSN，请引用为：
A. J. Dave, J. Wilson, K. Sun, "Deep Surrogate Models for Multi-dimensional Regression of Reactor Power," arXiv:, 2020.
联系人
如果您有任何问题、意见或建议，请随时与我联系！在
- 项目
标签：
欢迎加入QQ群-->： 979659372
