메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
이경근 (한국원자력연구원) 김민철 (한국원자력연구원) 이봉상 (한국원자력연구원)
저널정보
한국원자력학회 Nuclear Engineering and Technology Nuclear Engineering and Technology 제53권 제12호
발행연도
2021.12
수록면
4,022 - 4,032 (11page)
DOI
https://doi.org/10.1016/j.net.2021.06.014

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
In this study, machine learning (ML) techniques were used to model surveillance test data of nuclearpower plants from an international database of the ASTM E10.02 committee. Regression modeling wasconducted using various techniques, including Cubist, XGBoost, and a support vector machine. The rootmean square deviation of each ML model for the baseline dataset was less than that of the ASTM E900-15nonlinear regression model. With respect to the interpolation, the ML methods provided excellentpredictions with relatively few computations when applied to the given data range. The effect of theexplanatory variables on the transition temperature shift (TTS) for the ML methods was analyzed, andthe trends were slightly different from those for the ASTM E900-15 model. ML methods showed someweakness in the extrapolation of the fluence in comparison to the ASTM E900-15, while the Cubistmethod achieved an extrapolation to a certain extent. To achieve a more reliable prediction of the TTS, itwas confirmed that advanced techniques should be considered for extrapolation when applying MLmodeling
#Reactor pressure vessel (RPV) #Low alloy steel #Irradiation embrittlement #Machine learning #Cubist mode

목차

등록된 정보가 없습니다.

참고문헌 (17)

참고문헌 신청
NRC / 1977 / Regulatory Guide 1.99 Revision 1: Effects of Residual Elements on Predicted Radiation Damage to Reactor Vessels Materials / U.S. Nuclear Regulatory Commission google schola NRC / 1977 / Regulatory Guide 1. 99 Revision 2 : Radiation Embrittlement of Reactor Vessel Materials / U. S. Nuclear Regulatory Commission google schola E. D. Eason / 1998 / Improved Embrittlement Correlations for Reactor Pressure Vessel Steels google schola E. D. Eason / 1998 / Physically Based Regression Correlations of Embrittlement Data from Reactor Pressure Vessel Surveillance Programs google schola JEAC / 2007 / Method of Surveillance Tests for Structural Materials of Nuclear Reactors google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0