典型文献
基于深度神经网络的放射性废物桶γ能谱解析方法
文献摘要：
在核电厂放射性废物桶测量中,为了解决传统γ能谱解析方法存在的核素误识别和峰面积计算精度较差的问题,提出了基于深度神经网络的γ能谱解析方法.深度神经网络以γ能谱全谱数据作为分析对象,无需传统方法的谱线平滑、寻峰等工作.利用蒙特卡罗模拟得到的γ谱线作为神经网络的数据集,在秦山核电一期200 L钢桶的三种不同介质内置5种γ源,实验测量获得的γ谱线用于验证.结果发现:神经网络方法能快速识别核素并计算峰面积,精度达到96.47％;对于多核素混合的复杂能谱不会产生核素误识别,对于能谱中弱峰的峰面积计算误差也控制在10％以内.整体而言,基于深度神经网络的γ能谱解析方法适用于放射性废物桶的能谱解析,且解谱精度优于传统方法.
文献关键词：
深度神经网络;蒙特卡罗;γ能谱;核素识别
中图分类号：
作者姓名：
王江玮;顾卫国;杨桧;王德忠
作者机构：
上海交通大学机械与动力工程学院 上海 200240
文献出处：
引用格式：
[1]王江玮;顾卫国;杨桧;王德忠-.基于深度神经网络的放射性废物桶γ能谱解析方法)[J].核技术,2022(04):51-57
A类：
放射性废物桶
B类：
深度神经网络,能谱解析,解析方法,核电厂,误识,峰面积,面积计算,计算精度,谱数据,寻峰,蒙特卡罗模拟,秦山核电,钢桶,内置,实验测量,神经网络方法,快速识别,多核,计算误差,整体而言,核素识别
AB值：
0.26146
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
