Требования к целевой точности

Чувствительности и ковариации также могут использоваться для вычисления требований к целевой точности. Прежде чем искать требования, необходимо предоставить целевые значения для функционалов в виде словаря. Вот пример того, как задаются значения.

tars = {'Eigenvalue' : 0.003,
        'beta-eff'   : 0.030,
        'lambda-eff' : 0.040}

Далее необходимо предоставить список чувствительностей, которые будут использоваться при решении задачи оптимизации. Каждая запись относится к отдельной модели ядра, и $\texttt{tars}$ значения используются для каждого функционала каждой модели.

sensitivities = [sensitivities_1, sensitivities_2, sensitivities_3]

Следующий шаг — вызвать $\texttt{tars()}$ метод для получения обновлённого $\texttt{Covariances}$ экземпляра. Первый аргумент принимает список чувствительностей. Второй — ковариации, которые будут изменяться для достижения целевых точностей. Следующий аргумент принимает требования к целевой точности функционалов. определяет количество симметричных матриц ковариаций, используемых в оптимизации, вместе с дополнительным количеством матриц канал–канал, соответствующих симметричным. Поэтому итоговое число изменённых матриц больше, чем число, указанное. Последний интересующий аргумент — это , который определяет минимально достижимое значение неопределённости с учётом ограничений измерительных инструментов.

target_covariances = sauna.Analysis.tars(sensitivities, covariances, tars, number_of_reactions=5, lower_boundary=5e-3)

Существуют более продвинутые параметры для передачи в метод: и . Первый параметр принимает одно из трёх значений {'A', 'B', 'C'}, определяющих относительную стоимость для каждой реакции. Значения заданы в соответствии с анализом WPEC/SG26, хотя нижняя часть была предназначена только для $(n,n')$ там, реализация здесь относится ко всем другим реакциям, которые не упомянуты выше. Значения приведены ниже, а значение по умолчанию — 'A'.

Нуклид	Реакция	A	B	C
		1	1	1
Топливо		1	2	2
Не-топливо		1	1	1
Остальные		1	1	1
Остальные	Остальные	1	3	10

Второй параметр позволяет задать энергетическую зависимость для параметра стоимости. Этот параметр принимает список значений с числом элементов, равным числу энергетических групп. Значения задаются от низких энергий к высоким. Как используются эти два типа параметров, показано ниже.

weights = [6.9, 9.2, 14.4, 19.5, 7.1, 2.4, 1.0][[::-1]]
target_covariances = sauna.Analysis.tars(sensitivities,
                                         covariances,
                                         tars,
                                         number_of_reactions=20,
                                         lower_boundary=5e-3,
                                         cost_type = 'B',
                                         energy_costs = weights)