Development of a hybrid method to improve the sensitivity and uncertainty analysis for homogenized few-group cross sections
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
In the framework of two-step method of reactor core calculation, few-group homogenized cross sections generated by lattice-physics calculations are key input parameters for the three-dimensional full-core calculation. Conventional method for few-group cross-sections sensitivity and uncertainty (S&U) analysis related to the nuclear data was performed based on the effective self-shielding cross sections instead of the continuous-energy cross sections, which means resonance self-shielding effect (implicit effect) is neglected. Furthermore, the multi-group covariance data is generated from the continuous-energy cross sections. Therefore, in order to perform S&U analysis with respect to the continuous-energy cross sections for both accuracy and consistency, a hybrid method is proposed in this paper. The subgroup-parameter sensitivity-coefficients are calculated based on the direct perturbation (DP) method. The sensitivity-coefficients of the effective self-shielding cross sections and the responses (keff and few-group homogenized cross sections) are calculated based on the generalized perturbation theory (GPT). A boiling water reactor (BWR) pin-cell problem under different power conditions is calculated and analyzed. The numerical results reveal that the proposed hybrid method improves the sensitivity-coefficients of eigenvalue and few-group homogenized cross sections. The temperature effects on the sensitivity-coefficients are demonstrated and the uncertainties are analyzed.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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