arXiv ID:
2602.19584
arXiv 提交日期: 2026-02-23
用于羽流辐射剂量估算的插值驱动机器学习方法:XGBoost、随机森林与TabNet的比较研究 / Interpolation-Driven Machine Learning Approaches for Plume Shine Dose Estimation: A Comparison of XGBoost, Random Forest, and TabNet
1️⃣ 一句话总结
本研究提出了一种结合插值技术的机器学习框架,用于快速估算核设施泄漏时空气中的辐射剂量,发现XGBoost模型在三种测试算法中预测最准确,并揭示了不同模型利用输入特征方式的差异。