声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2223/N
国际刊号：1000-0054
发布日期:
作者：杜晓闯, 涂红兵, 黎岢, 张洁, 王康, 刘鹤敏, 梁漫春, 汪向伟
单位：1. 中广核工程有限公司 核电安全监控技术与装备国家重点实验室, 深圳 518172;<br>2. 清华大学 工程物理系, 公共安全研究院, 北京 100084;<br>3. 北京辰安科技股份有限公司, 北京 100094
关键词：放射性核素识别,径向基神经网络,核素γ能谱模板库,最小二乘法,非线性规划
基金：核电安全监控技术与装备国家重点实验室长期基础课题（K-A2019.403）
传统的γ能谱分析方法存在计算复杂、耗时较长等问题。该文通过Geant4软件模拟生成26种放射性核素γ能谱，并基于径向基神经网络进行拟合，建立γ能谱模板库。针对未知γ能谱，利用最小二乘法、非线性规划算法在模板库中寻找放射性核素的最优组合，利用集成学习的思想，集成两种算法计算结果，并建立客观的识别标准。运用所提方法识别单核素γ能谱、双核素混合γ能谱以及三核素混合γ能谱，识别结果表明该方法识别核素种类的准确率较高，具有可行性与有效性。
来源：2021年第11期
《清华大学学报(自然科学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。