基于機器學習方法的核素識別技術(shù)研究.pdf

1、放射性物質(zhì)目前廣泛應用核電、工業(yè)探傷、醫(yī)學檢測等領(lǐng)域，其在提供大量便利的同時，一旦發(fā)生放射性泄漏事故對人體傷害非常巨大。2011年日本地震所引發(fā)的福島核輻射危機后，社會對放射性物質(zhì)的危害有了更深刻的認識，對其的使用安全給予了更廣泛地關(guān)注，核安全監(jiān)測被上升到前有未有的高度。隨著計算機軟硬件技術(shù)的不斷發(fā)展，相關(guān)技術(shù)也不斷應用于核素探測中，目前的核素探測裝置-能譜儀也在不斷的小型化、便攜化。與此同時對其核素探測的準確性和快速性提出了更高的要求

2、，為此本文通過支持向量機方法及在核素識別傳統(tǒng)方法的深入研究，找到一種適合便攜式γ能譜儀的快速核素識別方法。
　　本文中的核素識別方法在傳統(tǒng)方法的基礎(chǔ)之上，做了兩個方面的改進：
　　一方面，根據(jù)核素識別的需要，優(yōu)化γ能譜解譜方法，盡量保證其簡單易行，以實現(xiàn)快速核素識別的目標。γ能譜解譜方法借鑒了傳統(tǒng)的方法并在傳統(tǒng)方法上針對其優(yōu)缺點并結(jié)合實際需求做了部分改進。為了解決能譜中的漲落問題，在能譜分析中首先采用五點平滑法及 B樣條平滑

3、法進行數(shù)據(jù)平滑。其后為了解決能譜漂移等問題，使用已知能量的核素對γ能譜進行能量刻度。能量刻度完成之后得到以能量和計數(shù)為坐標軸的γ能譜進行尋峰計算，在尋峰計算中在現(xiàn)有方法的基礎(chǔ)上提出聯(lián)合尋峰方法來確定全能峰中的特征峰峰位。
　　另一方面，在γ能譜解譜的基礎(chǔ)之上，對特征峰峰位進行篩選，形成訓練樣本構(gòu)建核素庫，并引入支持向量機決策樹分類方法使用全能峰特征峰峰值數(shù)據(jù)進行訓練，訓練完成后構(gòu)建分類決策樹。決策樹構(gòu)建后即可實現(xiàn)對核素的分類識別。