基于贝叶斯分类器的核电厂事故诊断方法研究

摘要

目前在核电厂事故诊断方面所使用的人工智能技术如神经网络等,难以同时具备较好的鲁棒性和可解释性,本研究提出基于贝叶斯分类器的核电厂事故诊断方法,并进一步将贝叶斯分类器细化为离散型朴素贝叶斯分类器、高斯型朴素贝叶斯分类器和贝叶斯网络3种,将这3种贝叶斯分类器用于核电厂事故诊断,并进行性能对比。研究结果表明:基于贝叶斯分类器的诊断方法将知识驱动和数据驱动相结合,具有较强的鲁棒性和可解释性。3种分类器中,高斯型朴素贝叶斯方法诊断在诊断准确率、诊断效率、事故破口尺寸诊断精度和事故可诊断的种类方面具有显著优势。