[3H01-04] 若手セッション

10:30 〜 10:45

[3H03] 機械学習を用いた炉心特性予測のための特徴量重要度評価

*芳賀 周¹、笠間 陸斗¹、遠藤 知弘¹、山本 章夫¹ (1. 名大)

キーワード：

機械学習、炉心計算、燃料装荷パターン、ニューラルネットワーク、特徴量重要度

炉心計算は計算コストが高いため、炉心計算コードの代替として機械学習による炉心特性予測が検討されている。機械学習の予測精度には、機械学習に入力するデータ（特徴量）が大きく影響する。そこで、Permutation Importanceを用いて燃料装荷パターンの特徴量重要度を定量化し、予測精度の向上を図った。