高温球床辐射传热中的机器学习模型

在高温气冷堆(high-temperature gas-cooled reactor, HTGR)堆芯球床中，燃料球间的辐射换热是重要的传热模式，与堆芯固有安全特性密切相关。该文利用机器学习方法提出了球床颗粒间辐射角系数智能预测方案，其中基础计算模型基于角系数显式解析表达式，合理描述了球床热辐射特性随球心距变化规律和周围颗粒球平均阻挡作用，用于快速计算球床堆中辐射角系数的核心主导部分。利用高温气冷堆示范项目(HTR-PM)球床堆积结构和光线追踪方法，建立了高温堆球床高精度角系数大数据集，共包含1.66×10⁷条角系数工况，覆盖了球床各种局部结构。利用大数据训练后的梯度提升决策树模型有效提升了角系数预测精度，综合基础计算模型后角系数回归系数超过0.999。该文成果为高温气冷堆球流传热研究、堆芯优化和热工流体分析提供了高效的辐射传热计算方法。