兼顾鲁棒性与物理一致性的临界热流密度灰箱预测方法及系统

本发明涉及核反应堆热工水力与人工智能交叉技术领域，公开了一种兼顾鲁棒性与物理一致性的临界热流密度灰箱预测方法及系统，包括：获取训练数据集；进行预处理；将预处理后的输入特征分别执行以下操作：代入预设的经验物理模型得到物理基准预测值；输入神经网络，输出修正项；构建损失函数，利用训练数据集对神经网络进行训练；将待预测工况的输入特征进行相同的预处理后，分别代入经验物理模型和训练好的神经网络，得到该待预测工况下的物理基准预测值和修正项并进行融合，输出临界热流密度最终预测值。本发明将经验物理模型作为物理骨架，利用神经网络精确学习该骨架预测值与真实实验值之间的偏差，显著提升了临界热流密度的预测精度。