假定模型参数的不确定性服从正态分布，根据贝叶斯原理，其最可能的分布是结合先验信息和观测信息得到的最大后验概率，马尔科夫链蒙特卡罗（Markov Chain Monte Carlo，MCMC）抽样适用于此类反问题求解。鉴于随机论方法的巨大计算量，本研究利用BP（Back Propagation）神经网络及相对熵最小化来自适应加密训练数据，从而建立替代复杂正向程序的代理模型，并利用开发的不确定性分析程序对影响空泡份额的模型参数不确定性进行量化分析，选用的子通道程序为COBRA-IV。结果表明：在求得模型参数不确定性后，通过不确定性正向传递得到结果的95%置信区间对实验值的包络性较好，利用不确定性均值对模型进行标定得到的结果较基准值更接近实验值。因此，本研究建立的不确定性量化分析方法能较好适用于子通道程序的不确定性分析。

水中脉冲放电过程较为复杂，放电参数与放电沉积能量之间没有明确的函数关系。为了获得最佳沉积能量，明晰不同放电参数相互作用对沉积能量的影响，获得最佳放电参数组合，本文搭建了水中高压脉冲放电实验平台，结合Kriging代理模型探究了电压、电极间距和电导率三种放电参数对水中放电沉积能量的影响；利用遗传算法进行全局寻优，确定了最佳放电参数组合。研究结果表明：通过交叉验证评估该模型的均方根误差为6.95%，满足精度要求；外加电压一定时，在电极间距和电导率的协同作用下，沉积能量的变化呈现多峰值特性；在电压、电极间距和电导率分别为17 kV、2.28 mm和0.8 mS/cm的条件下产生的沉积能量最大，为最佳参数组合；通过实验验证了在最佳点的预测值和实际值相对偏差在8%以内。

铅铋反应堆广泛应用的需求要求研究人员在现有堆芯方案的基础上开展大量优化设计工作。针对铅铋反应堆多物理、多变量、多约束耦合影响的多维非线性约束优化设计问题，基于Kriging代理模型、正交拉丁超立方抽样和SEUMRE空间搜索技术构建铅铋反应堆智能优化方法，耦合物理蒙卡计算/热工分析程序，开发包含抽样、耦合程序前后处理、反应堆优化分析功能的优化平台，并以铅铋反应堆SPALLER-4，URANUS为原型分别开展最小燃料装载量的方案寻优与参数优化验证。验证结果表明，该智能优化方法用于铅铋反应堆设计方案寻优和堆芯参数优化可行、有效，相比传统蒙卡程序计算寻优，在保证预测精度前提下极大地降低了计算成本，与URANUS初始模型比较，燃料装载量、堆芯总质量、活性区体积、堆芯总体积分别优化10.8%，11.5%，18.1%，17.1%，为基于代理模型的智能优化方法应用于铅铋反应堆的优化设计提供参考。

对高升阻比滑翔飞行器，在线性伪谱模型预测控制基础上提出新的再入制导律，除了满足传统终端约束与路径约束，还能以特定航向角抵达终点。以高维多项式代理技术泛化升阻比，得到关于能量和攻角的表达式，攻角在线调节升阻比以增强规划能力。再入飞行分为下降段和滑翔段，下降段维持最大攻角和零倾侧角以限制热流率。滑翔段应用线性伪谱模型预测控制，用降阶动力学模型预测终端偏差，线性化模型获得误差传播方程。由于积分计算复杂，以高斯伪谱法获取控制量的修正值，修正攻角、倾侧角相关参数和两次倾侧反转的能量时刻消除终端偏差。方法简单易行，精度高，便于在线应用，仿真结果显示该方法能满足提出的规划需求。