一种基于机器学习的核数据验证方法

本发明公开了一种基于机器学习的核数据验证方法，首先，获得多个核实验基准的模拟有效增殖因子和实测有效增殖因子，计算得到其差异值；第二，计算每个实验基准的核数据敏感性特征，包括对核反应截面的敏感性系数以及实验元数据；第三，构建基于随机森林的机器学习模型，以核数据敏感性特征作为输入，有效增殖因子差异值作为输出进行训练；最后，进行模型特征重要性分析，识别对有效增殖因子差异影响显著的核数据敏感性特征。本发明首次建立了基于机器学习的核数据验证方法，用于识别核反应数据中潜在的缺陷或实验基准的偏差。