本申请公开了一种核设施源项活度智能反演方法、装置、设备及存储介质，包括：对源项进行分区，构建源项几何模型并进行辐射场计算；从计算结果中提取空间辐射场数据和源项分区活度数据作为训练样本，构建并训练卷积神经网络模型；将实际的辐射场剂量矩阵进行变换处理后输入至训练好的卷积神经网络模型，对源项活度进行预测；根据源项分区还原预测的源项活度的三维分布，输出反演的源项活度数据。本申请针对未知源项活度和体分布情况的核设施，通过构建卷积神经网络，采用提取的样本数据进行深度学习训练，得到不依赖于具体物理模型的泛化神经网络，可在现场测量手段所限情况下，通过智能化反演快速计算得到任意指定区域的源项活度值。
【技术实现步骤摘要】
核设施源项活度智能反演方法、装置、设备及存储介质
本专利技术涉及辐射防护与核安全领域，特别是涉及一种核设施源项活度智能反演方法、装置、设备及存储介质。
技术介绍
放射性源项特征是对核设施进行退役或处理的非常重要的前提依据，在实际核设施复杂源项的辐射场景中，由于源项的活度和分布情况往往是未知的且存在较大的不确定性，受测量手段的限制，直接测量放射性物质的组成和数量是十分困难的，且测量结果也只是源项在某个局部的表象。因此，一般需采用分析计算的方式得到源项数据。三维辐射场是反映一个核设施内真实外照射分布的数据库，可以通过测量获得所需的辐射场数据，利用辐射场剂量率的测量值来反向计算源项活度。通过分析三维辐射场，不仅可以确定辐射热点的位置，还可以估算出设备或管道中放射性物质的等效活度和分布情况，进而建立有效的屏蔽措施，实现现场精细化的辐射防护最优化分析。目前，采用物理拟合或数值插值法进行源项反演，只能处理简单固定模型的放射性活度计算，且对输入输出之间的物理相关性要求较高，无法很好地反演核设施复杂源项、强各向异性分布情况下的源项数据。因此，如何智能化反演得到源项数据，是本领域技术人员亟待解决的技术问题。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种核设施源项活度智能反演方法、装置、设备及存储介质，可实现利用三维空间辐射场数据智能化反演得到三维体分布源项活度。其具体方案如下：一种核设施源项活度智能反演方法，包括：对源项进行分区，构建源项几何模型并进行辐射场计算；从计算结果中提取空间辐射场数据和源项分区活度数据作为训练样本，构建并训练卷积神经网络模型；将实际的辐射场剂量矩阵进行变换处理后输入至训练好的所述卷积神经网络模型，对源项活度进行预测；根据源项分区还原预测的所述源项活度的三维分布，输出反演的源项活度数据。优选地，在本专利技术实施例提供的上述核设施源项活度智能反演方法中，对源项进行分区，构建源项几何模型并进行辐射场计算，具体包括：根据源项分布情况，对所述源项进行网格划分；根据划分为多个区域后的所述源项，采用蒙特卡罗粒子输运计算程序构建源项几何模型；对所述源项几何模型产生的多组不同源项几何参数进行随机抽样，批量产生蒙特卡罗计算文件；调用蒙特卡罗粒子输运计算程序进行辐射场计算。优选地，在本专利技术实施例提供的上述核设施源项活度智能反演方法中，在构建卷积神经网络模型之前，还包括：对所述训练样本的一维向量三维网格化；对三维网格化后的样本进行粗化或细化处理；对粗化或细化处理后的样本加入高斯白噪声。优选地，在本专利技术实施例提供的上述核设施源项活度智能反演方法中，构建并训练卷积神经网络模型，具体包括：构建卷积神经网络模型，选取合适的卷积层数，确定全连接网络部分的隐含层节点数；设置训练集、验证集和测试集之间的比例，选取最优学习率、传递函数和训练函数；反复调整合适的超参数训练所述卷积神经网络模型，直到所述测试集的误差满足预期，达到终止训练条件。优选地，在本专利技术实施例提供的上述核设施源项活度智能反演方法中，将实际的辐射场剂量矩阵进行变换处理，具体包括：判断实际的辐射场剂量矩阵是否比所述卷积神经网络模型的输入矩阵分辨率高；若是，则对所述剂量矩阵进行缩小变换；若否，则对所述剂量矩阵进行放大变换。优选地，在本专利技术实施例提供的上述核设施源项活度智能反演方法中，还包括：验证反演结果与实际值之间的误差；当最大绝对误差的范围在30％以内时，确定所述反演结果可接受。本专利技术实施例还提供了一种核设施源项活度智能反演装置，包括：仿真计算模块，用于对源项进行分区，构建源项几何模型并进行辐射场计算；模型训练模块，用于从计算结果中提取空间辐射场数据和源项分区活度数据作为训练样本，构建并训练卷积神经网络模型；数据预测模块，用于将实际的辐射场剂量矩阵进行变换处理后输入至训练好的所述卷积神经网络模型，对源项活度进行预测；数据还原模块，用于根据源项分区还原预测的所述源项活度的三维分布，输出反演的源项活度数据。优选地，在本专利技术实施例提供的上述核设施源项活度智能反演方法中，还包括：样本预处理模块，用于对所述训练样本的一维向量三维网格化；对三维网格化后的样本进行粗化或细化处理；对粗化或细化处理后的样本加入高斯白噪声。本专利技术实施例还提供了一种核设施源项活度智能反演设备，包括处理器和存储器，其中，所述处理器执行所述存储器中保存的计算机程序时实现如本专利技术实施例提供的上述核设施源项活度智能反演方法。本专利技术实施例还提供了一种计算机可读存储介质，用于存储计算机程序，其中，所述计算机程序被处理器执行时实现如本专利技术实施例提供的上述核设施源项活度智能反演方法。从上述技术方案可以看出，本专利技术所提供的一种核设施源项活度智能反演方法、装置、设备及存储介质，包括：对源项进行分区，构建源项几何模型并进行辐射场计算；从计算结果中提取空间辐射场数据和源项分区活度数据作为训练样本，构建并训练卷积神经网络模型；将实际的辐射场剂量矩阵进行变换处理后输入至训练好的卷积神经网络模型，对源项活度进行预测；根据源项分区还原预测的源项活度的三维分布，输出反演的源项活度数据。本专利技术针对未知源项活度和体分布情况的核设施，通过构建合适的卷积神经网络来构造智能化源项反演算法，在不进行输入输出之间的复杂物理关系解耦的情况下，采用提取的样本数据进行深度学习训练，能够得到不依赖于具体物理模型的适用于源项反演的泛化神经网络，进而实现利用核设施周围三维空间辐射场数据反演得到核设施强各向异性三维体分布源项活度，可在现场测量手段所限情况下，通过智能化反演快速计算得到任意指定区域的源项活度值。附图说明为了更清楚地说明本专利技术实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本专利技术实施例提供的核设施源项活度智能反演方法的流程图；图2为本专利技术实施例提供的核设施源项活度智能反演方法的具体流程图；图3为本专利技术实施例提供的圆柱形桶体放射性核设施源项模型的俯视图；图4为本专利技术实施例提供的圆柱形桶体放射性核设施源项模型的主视图；图5为本专利技术实施例提供的卷积神经网络训练误差图；图6为本专利技术实施例提供的卷积神经网络预测结果误差统计图；图7为本专利技术实施例提供的模型一中卷积神经网络反演源项活度与真实值对比图；图8为本专利技术实施例提供的模型二中卷积神经网络反演源项活度与真实值对比图；图9为本专利技术实施例提供的模型三中卷积神经网络反演源项活度与真实值对比图；图10为本专利技术实施例提供的核设施源项活度智能反演装置的结构示意图。本文档来自技高网...
【技术保护点】
1.一种核设施源项活度智能反演方法，其特征在于，包括：/n对源项进行分区，构建源项几何模型并进行辐射场计算；/n从计算结果中提取空间辐射场数据和源项分区活度数据作为训练样本，构建并训练卷积神经网络模型；/n将实际的辐射场剂量矩阵进行变换处理后输入至训练好的所述卷积神经网络模型，对源项活度进行预测；/n根据源项分区还原预测的所述源项活度的三维分布，输出反演的源项活度数据。/n
【技术特征摘要】
1.一种核设施源项活度智能反演方法，其特征在于，包括：
对源项进行分区，构建源项几何模型并进行辐射场计算；
从计算结果中提取空间辐射场数据和源项分区活度数据作为训练样本，构建并训练卷积神经网络模型；
将实际的辐射场剂量矩阵进行变换处理后输入至训练好的所述卷积神经网络模型，对源项活度进行预测；
根据源项分区还原预测的所述源项活度的三维分布，输出反演的源项活度数据。
2.根据权利要求1所述的核设施源项活度智能反演方法，其特征在于，对源项进行分区，构建源项几何模型并进行辐射场计算，具体包括：
根据源项分布情况，对所述源项进行网格划分；
根据划分为多个区域后的所述源项，采用蒙特卡罗粒子输运计算程序构建源项几何模型；
对所述源项几何模型产生的多组不同源项几何参数进行随机抽样，批量产生蒙特卡罗计算文件；
调用蒙特卡罗粒子输运计算程序进行辐射场计算。
3.根据权利要求2所述的核设施源项活度智能反演方法，其特征在于，在构建卷积神经网络模型之前，还包括：
对所述训练样本的一维向量三维网格化；
对三维网格化后的样本进行粗化或细化处理；
对粗化或细化处理后的样本加入高斯白噪声。
4.根据权利要求3所述的核设施源项活度智能反演方法，其特征在于，构建并训练卷积神经网络模型，具体包括：
构建卷积神经网络模型，选取合适的卷积层数，确定全连接网络部分的隐含层节点数；
设置训练集、验证集和测试集之间的比例，选取最优学习率、传递函数和训练函数；
反复调整合适的超参数训练所述卷积神经网络模型，直到所述测试集的误差满足预期，达到终止训练条件。
5.根据权利要求4所述的核设施源项活度智...
【专利技术属性】
技术研发人员：宋英明，张泽寰，刘跃东，胡湘，袁微微，
申请(专利权)人：南华大学，
类型：发明
国别省市：湖南;43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。