公开(公告)号：CN118377994A

公开(公告)日：2024-07-23

申请号：CN202410409399.2

申请日：2024-04-07

Applicant: 中国核动力研究设计院

Inventor： 刘东 ,  陈俊辑 ,  陈奇隆 ,  彭航 ,  潘俊杰 ,  张斌 ,  李庆 ,  涂晓兰 ,  陈长 ,  肖聪 ,  芦韡 ,  李文杰 ,  范佳锟 ,  向迪 ,  卢宗健 ,  曾辉 ,  崔显涛 ,  赵晨 ,  江勇 ,  庞志鑫 ,  邓平

IPC: G06F17/13 ,  G06N20/00 ,  G06F17/18 ,  G06N3/048

Abstract: 本发明具体涉及一种深度机器学习求解连续性积分方程的方法，包括如下步骤：对包含未知函数和积分项的连续性积分方程中的积分项转化为被积函数的原函数表达式，将原积分方程转化为没有积分项的微分方程；给出被积函数原函数特定解的生成方法；对未知函数和被积函数原函数分别映射为神经网络函数，对未知函数和被积函数原函数的神经网络函数交替进行深度机器学习；完成深度机器学习的未知函数和被积函数原函数的神经网络函数分别为未知函数和被积函数原函数的数值解。本发明避免了积分项有限和代替积分项带来的系统性误差以及被积函数缺乏唯一性带来的收敛性问题，使其有效应用于中子输运理论、流体力学以及热力学等工业领域的核心方程求解。