هدف اصلی از این تحقیق طراحی و توسعه یک ابزار محاسباتی سریع و دقیق جهت پیشگویی پارامترهای نوترونیک و ترموهیدرولیک اصلی قلب یک راکتور هسته ای نوعی می باشد. در این روش از شبکه های عصبی مصنوعی از نوع پیشخور آبشاری برای پیشگویی پارامترهای ایمنی یک راکتور vver-1000 از روی داده های نحوه چیدمان و آرایش مجتمع های سوخت در داخل قلب راکتور استفاده شده است. خروجی های هدف در این روش شامل پارامترهای نوترونی ضریب تکثیر موثر قلب راکتور، ضرایب پیک توان شعایی مربوط به هر مجتمع سوخت در قلب راکتور و نیز پارامتر پیک توان میله سوخت داغ در هر مجتمع سوخت، و پارامترهای ترموهیدرولیکی شامل ماکزیمم و متوسط دماهای سوخت و غلاف در هر مجتمع سوخت و میله های متناظر آن و نیز پارامتر می نیمم انحراف از جوشش هسته ای می باشد. به منظور دستیابی به دقت محاسباتی بالا از داده های نوترونی و ترموهیدرولیکی، از کوپلینگ کد های نوترونی و ترموهیدرولیک که قابلیت انجام محاسبات در ابعاد مجتمع ها و میله های سوخت را دارند استفاده شده است. در الگوریتم کوپلینگ از کد نوترونیک mcnp که قابلیت مدلسازی جزئیات مجتمع های سوخت را دارد و کد ترموهیدرولیکی cobra-en که قابلیت مدلسازی میله های سوخت و زیرکانال های داخل مجتمع های سوخت را دارد بهره گرفته شده است. همچنین ساختار کدcobra برای مدلسازی قلب راکتورهای از نوع vver اصلاح گردیده است. از کدnjoy به منظور تهیه کتابخانه های سطح مقطع برای مواد مختلف موجود در قلب تحت شرایط دمایی محاسبه شده استفاده شده است. مقایسه نتایج الگوریتم با داده های fsar راکتور نشان می دهد که الگوریتم کوپلینگ طراحی شده با دقت بسیار بالایی قادر است پارامترهای ایمنی نوترونیک و ترموهیدرولیک قلب راکتور را محاسبه نماید. کوپلینگ خارجی کدها با استفاده از یک برنامه خودکار که در محیط matlab نوشته شده است بصورت موازی انجام می شود. برنامه واسط به گونه ای طراحی شده که با تولید آرایشهای مختلف از 6 نوع مجتمع سوخت در 28 جایگاه قلب راکتور، یک پایگاه داده شامل داده های نوترونی و ترموهیدرولیکی مورد نیاز برای آموزش و تست و اعتبار سنجی شبکه عصبی را فراهم می کند. به منظور دستیابی به ساختار شبکه عصبی بهینه در محاسبه پارامترهای راکتور از روی داده آموزش و اعتبار سنجی، یک آنالیز حساسیت جامع برروی معماری شبکه و پارامترهای اصلی آن نظیر تعداد لایه های مخفی شبکه، تعداد نرون ها در لایه مخفی، انتخاب تابع انتقال شبکه و نیز الگوریتم های آموزشی مختلف، انجام شده است. معیار اصلی در انتخاب پارامترهای شبکه، رسیدن به حداقل زمان و حداکثر دقت شبکه و میزان عمومیت آن در پیشگویی پارامترهای نوترونی و ترموهیدرولیکی قلب راکتور بوده است. نتایج بررسی کارایی شبکه عصبی نشان می دهد که ابزار محاسباتی توسعه داده شده در این تحقیق، قابلیت بسیار خوبی در پیشگویی سریع و دقیق پارامترهای ایمنی قلب یک راکتور vver دارد و می تواند به عنوان یک ابزار قابل اطمینان و دقیق در زمینه طراحی قلب راکتور و نیز مسائل بهینه سازی چند هدفی در مدیریت سوخت راکتور کاربرد بسیار خوبی داشته باشد.

ایمنی در راکتور های هسته ای اهمیت بسیار دارد، چرا که در راکتور مقادیر قابل توجهی مواد رادیواکتیو قرار دارد که در صورت رها شدن می تواند فجایع انسانی و زیست محیطی خطرناکی ایجاد کند. یکی از رویدادهای مهم در راکتورها خاموشی آنی اضطراری است. بررسی کمی و کیفی این واقعه نامطلوب و تعیین عوامل اصلی به وجود آورنده و مخاطرات ناشی از آن در ارزیابی ایمنی اهمیت به سزایی دارد. هدف از این مطالعه ارزیابی سیستم های ایمنی موجود در راکتور تهران و یافتن راه حل های برای ارتقاء سطح ایمنی آن می باشد . در این تحقیق با استفاده از مدل درخت خطا، یک مدل منطقی برای سیستم حفاظتی ساخته می شود. پس از آن توسط نرم افزار saphire، احتمال وقوع وقایع آغازگر، با استفاده از نرخ خرابی اجزاء و زیر سیستم ها مطالعه، و از نظر کیفی و کمی مورد تجزیه و تحلیل قرار داده می شود. خطای انسانی با روش تحلیلی spar-h بررسی گردید .در پایان احتمال کل اسکرم با در نظر گرفتن خطای انسانی و خطای سخت افزاری بدست خواهد آمد. نتیجه بدست آمده برای وقوع اسکرم، ناشی از خرابی سخت افزاری حدودا1e-6 ، و ناشی ازخطای انسانی در شرایط ایده آل تقریبا 1e-2 است. که نتیجه بدست آمده نشان دهنده چندین برابر بودن خطای انسانی نسبت به خطای سخت افزاری است. در فصل اول مقدمه، فصل دوم روش ارزیابی احتمالاتی ایمنی (psa) ، فصل سوم خطای انسانی و روش spar-h ، فصل چهارم آشنایی با راکتور تهران و اجزای آن بخصوص سیستم حفاظت راکتور ، فصل پنجم نحوه ی رسم درخت خطاهای حاصل از نرم افزار spar-h برای فرکانس وقوع اسکرم و نتایج حاصل ازlog book و نهایتاً در فصل ششم نتایج محاسبات مورد تحلیل و بررسی قرارگرفته وسپس اضافه کردن یک پیوست که به توضیح مختصر نرم افزار spar-h پرداخته شده است. در پایان پیشنهادات و راهکارهایی برای اصلاح و بهبود سیستم ارائه شده است.