为了实现对核反应堆内置传感器的大量数据的高效存储、传输和分析,本文结合聚类算法与随机搜索优化的人工神经网络,对空间热离子反应堆的数字孪生系统搭建了一个参数反演模型,实现在热首失效工况下的堆芯温度数据的反演。使用 20%热管失效工况下空间热离子反应堆堆芯4个区域的温度数据,通过 K-means聚类与轮廓系数指标提取各区域的特征温度参数,通过随机配置优化的全连接人工神经网络(ANN)完成特征参数到其他参数的反演,并对反演效果进行验证。研究结果表明,运用该方法对燃料 、发射极、接收极、冷却剂4个区域进行参数反演,温度反演值的相对误差均方根分别为0. 55%、0. 41%、0. 19%、0. 18%,其中用于反演的特征参数占总参数比例均不超过 8%。因此本研究建立的参数反演模型能够获取特征参数的物理含义,并对空间热离子反应堆堆芯温度参数进行较高精度的反演。