論文の概要: A Long-term Dependent and Trustworthy Approach to Reactor Accident Prognosis based on Temporal Fusion Transformer

• arxiv url: http://arxiv.org/abs/2210.17298v1
• Date: Fri, 28 Oct 2022 13:08:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-01 16:23:42.087880
• Title: A Long-term Dependent and Trustworthy Approach to Reactor Accident Prognosis based on Temporal Fusion Transformer
• Title（参考訳）: 経時的核融合変圧器を用いた原子炉事故予後の長期的・信頼できるアプローチ
• Authors: Chengyuan Li, Zhifang Qiu, Yugao Ma, Meifu Li
• Abstract要約: 本稿では,多面的自己意図とゲーティング機構を備えたTFTモデルに基づく事故診断手法を提案する。 HPR1000反応器における冷却剤事故(LOCA)の消失後の予後に本法を適用した。
• 参考スコア（独自算出の注目度）: 0.779964823075849
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Prognosis of the reactor accident is a crucial way to ensure appropriate strategies are adopted to avoid radioactive releases. However, there is very limited research in the field of nuclear industry. In this paper, we propose a method for accident prognosis based on the Temporal Fusion Transformer (TFT) model with multi-headed self-attention and gating mechanisms. The method utilizes multiple covariates to improve prediction accuracy on the one hand, and quantile regression methods for uncertainty assessment on the other. The method proposed in this paper is applied to the prognosis after loss of coolant accidents (LOCAs) in HPR1000 reactor. Extensive experimental results show that the method surpasses novel deep learning-based prediction methods in terms of prediction accuracy and confidence. Furthermore, the interference experiments with different signal-to-noise ratios and the ablation experiments for static covariates further illustrate that the robustness comes from the ability to extract the features of static and historical covariates. In summary, this work for the first time applies the novel composite deep learning model TFT to the prognosis of key parameters after a reactor accident, and makes a positive contribution to the establishment of a more intelligent and staff-light maintenance method for reactor systems.
• Abstract（参考訳）: 原子炉事故の予後は、放射性放出を避けるために適切な戦略を採用するための重要な方法である。 しかし、原子力産業の分野では非常に限られた研究がある。 本稿では,多頭部自己着脱機構を有する時間的核融合トランスフォーマ(tft)モデルに基づく事故予後予測手法を提案する。 本手法は,複数の共変量を用いて一方の予測精度を向上し,他方の不確実性評価のための定量的回帰法を提案する。 本報で提案する手法は, hpr1000炉における冷却剤事故(locas)の損失後の予後に応用できる。 本手法は,予測精度と信頼度の観点から,新しい深層学習に基づく予測手法を超えることを示す。 さらに, 信号対雑音比の異なる干渉実験や, 静的共変量のアブレーション実験により, 静的・歴史的共変量の特徴を抽出できることから, 頑健性が得られた。 要約すると,本研究は原子炉事故後のキーパラメータの予後に新しい複合ディープラーニングモデルTFTを適用し,よりインテリジェントでスタッフ軽量な原子炉システムの保守手法の確立に肯定的な貢献をする。

関連論文リスト

• A Fuzzy Reinforcement LSTM-based Long-term Prediction Model for Fault Conditions in Nuclear Power Plants [3.386466888902435]
  早期故障検出とタイムリーなメンテナンススケジューリングは、NPPの運用上のリスクを著しく軽減する。 多段階予測モデル(PHM)を開発する必要がある。 本稿では,Long Short-Term Memory(LSTM)ニューラルネットワークとExpert Fuzzy Evaluation Methodを統合した新しい予測モデルを提案する。
  論文  参考訳（メタデータ） (2024-11-13T06:40:17Z)
• Longitudinal Targeted Minimum Loss-based Estimation with Temporal-Difference Heterogeneous Transformer [7.451436112917229]
  縦断的問題設定における動的処理ポリシーの下で, 結果の反実的平均を推定する新しい手法を提案する。 本手法では,時間差学習を用いて学習した異種型埋め込みを用いたトランスフォーマーアーキテクチャを用いる。 また, 統計的理論に基づく95%信頼区間の設定を可能とし, 統計的推測を容易にする。
  論文  参考訳（メタデータ） (2024-04-05T20:56:15Z)
• Estimating Epistemic and Aleatoric Uncertainty with a Single Model [5.871583927216653]
  我々は,ハイパー拡散モデル(HyperDM)の新しいアプローチを提案する。 HyperDMは、予測精度を、場合によってはマルチモデルアンサンブルに匹敵する。 我々は,X線CTと気象温度予測の2つの異なる実世界の課題に対して,本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2024-02-05T19:39:52Z)
• Can input reconstruction be used to directly estimate uncertainty of a regression U-Net model? -- Application to proton therapy dose prediction for head and neck cancer patients [0.8343441027226364]
  本稿では,別の直接不確実性推定法を提案し,それを回帰U-Netアーキテクチャに適用する。 本手法は頭頸部癌患者に対する陽子線量予測に応用した。
  論文  参考訳（メタデータ） (2023-10-30T16:04:34Z)
• Selective Nonparametric Regression via Testing [54.20569354303575]
  本研究では,所定の点における条件分散の値に関する仮説を検証し,留置手順を開発する。 既存の手法とは異なり、提案手法は分散自体の値だけでなく、対応する分散予測器の不確実性についても考慮することができる。
  論文  参考訳（メタデータ） (2023-09-28T13:04:11Z)
• A Hybrid Data-Driven Multi-Stage Deep Learning Framework for Enhanced Nuclear Reactor Power Prediction [0.4166512373146748]
  本稿では,リアクトル過渡期の最終定常電力を予測するための,新しい多段階深層学習フレームワークを提案する。 我々は、分類段階と回帰段階の両方のフィードフォワードニューラルネットワークを使用し、リアクトルパワーの実環境計測と制御状態を統合したユニークなデータセットをトレーニングする。 ノイズを伴うシミュレーションデータの取り込みにより、モデルの一般化能力が大幅に向上し、オーバーフィッティングのリスクが軽減される。
  論文  参考訳（メタデータ） (2022-11-23T17:32:52Z)
• Trustworthy Multimodal Regression with Mixture of Normal-inverse Gamma Distributions [91.63716984911278]
  このアルゴリズムは、異なるモードの適応的統合の原理における不確かさを効率的に推定し、信頼できる回帰結果を生成する。 実世界のデータと実世界のデータの両方に対する実験結果から,多モード回帰タスクにおける本手法の有効性と信頼性が示された。
  論文  参考訳（メタデータ） (2021-11-11T14:28:12Z)
• Quantifying Uncertainty in Deep Spatiotemporal Forecasting [67.77102283276409]
  本稿では,正規格子法とグラフ法という2種類の予測問題について述べる。 我々はベイジアンおよび頻繁な視点からUQ法を解析し、統計的決定理論を通じて統一的な枠組みを提示する。 実際の道路ネットワークのトラフィック、疫病、空気質予測タスクに関する広範な実験を通じて、異なるUQ手法の統計計算トレードオフを明らかにする。
  論文  参考訳（メタデータ） (2021-05-25T14:35:46Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)
• Evaluating probabilistic classifiers: Reliability diagrams and score decompositions revisited [68.8204255655161]
  確率的に統計的に一貫性があり、最適に結合し、再現可能な信頼性図を自動生成するCORP手法を導入する。 コーパスは非パラメトリックアイソトニック回帰に基づいており、プール・アジャセント・ヴァイオレータ(PAV)アルゴリズムによって実装されている。
  論文  参考訳（メタデータ） (2020-08-07T08:22:26Z)
• Learning to Predict Error for MRI Reconstruction [67.76632988696943]
  提案手法による予測の不確実性は予測誤差と強く相関しないことを示す。 本稿では,2段階の予測誤差の目標ラベルと大小を推定する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-02-13T15:55:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。