97久久精品人人做人人爽-97久久香蕉国产线看观看-996久久国产精品线观看-9999国产精品欧美久久久久久

長期精準預測核電站關鍵運行參數，對保障核安全與提升運維經濟性具有重要意義。然而，反應堆系統機理復雜、運行工況多變，其高維監測數據存在強耦合性與長時依賴性。傳統小規模模型受限于容量與表達能力，難以同時捕捉精細動態特征與長期依賴關系，制約了在實際場景中實現高精度預測與輔助決策的能力。近日，中國科學院合肥物質科學研究院團隊提出了核電站運行參數預測大模型框架NPP?GPT。在無需顯式提示詞工程的情況下，NPP-GPT框架能夠預訓練大語言模型應用于核電站運行參數預測。該框架采用兩階段跨模態遷移學習策略。第一階段通過輸入嵌入重構與基于隨機遮蔽的自監督“重構式”學習，實現數值時序與預訓練語言模型表征空間的對齊；第二階段采用參數高效微調，將領域知識注入GPT-2模型自注意力模塊的Q/V投影，在保持預訓練通用能力的同時提升對核電運行數據的預測性能，能夠兼顧訓練與部署效率。測試結果表明，該方法在6類典型工況數據集上表現良好，在多變量多步預測任務中整體性能優于多種主流時間序列預測方法；隨著預測步長增加，模型仍能保持較高的預測精度。跨工況、噪聲擾動及缺失數據測試表明，該方法具有較強的魯棒性與泛化能力，可為核電站在線安全監測與運行輔助決策提供更可靠的參數前瞻信息，也能夠為大模型在核能領域的工程應用提供新思路。相關研究成果發表在《應用能源》（Applied Energy）上。研究工作得到中國科學院戰略性先導科技專項等的支持。論文鏈接科研人員提出核電站運行參數預測新方法