Performance of Advanced Self-Shielding Models in DRAGON for the Estimation of CANDU-6 Safety Parameters
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The effect of advanced resonance self-shielding models incorporated in the developmental version of the DRAGON code on estimation of reactivity coefficients of a typical CANDU-6 lattice is evaluated. The advanced self-shielding models are based on either equivalence in the dilution model or on a subgroup approach. Under equivalence in dilution models, the generalized Stamm’ler model was used with or without Riemann integration and Nordheim model. Among the subgroup approaches, the Ribon extended and the statistical self-shielding models were used. The Ribon extended self-shielding model uses mathematical probability tables, while the statistical self-shielding model uses physical probability tables. The analysis focused on four important transients, which include the fuel temperature coefficient, coolant void reactivity, pressure tube ingression, and calandria tube ingression. Four burnup stages for estimation of reactivity have been identified. To benchmark the results obtained using DRAGON, the results obtained were compared with those of MCNP5. These analyses indicated that, of all the self-shielding models, the resonance self-shielding model based on the subgroup approach using physical probability tables seems to perform well for all situations and can be recommended for CANDU-6 analyses using the code DRAGON.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle