基于卷积神经网络的放射性源项活度反演

作     者：胡湘 宋英明 夏月 张戈马 袁微微 HU Xiang;SONG Yingming;XIA Yue;ZHANG Gema;YUAN Weiwei

作者机构：南华大学核科学技术学院湖南衡阳421001 南华大学氡湖南省重点实验室湖南衡阳421001 

出 版 物：《原子核物理评论》 (Nuclear Physics Review)

年 卷 期：2023年第40卷第3期

页      面：401-409页

学科分类：082704[工学-辐射防护及环境保护] 08[工学] 0827[工学-核科学与技术] 

主　　题：活度反演 放射性源项 卷积神经网络 

摘      要：放射性源项往往分布于探测目标内部,难以直接定位和测量。为监测废物处理和核设施退役过程中放射性源项的剂量水平,本工作提出了一种基于卷积神经网络(CNN)的源项活度反演方法,建立了辐射场通量与源项活度的相关性。该方法对废物钢桶、内置过滤器滤芯的混凝土桶、内置空气过滤器的废物方箱及退役反应堆一回路管道建立源项计算模型,并基于CNN对样本进行学习,达到反演源项活度的目的。将活度反演结果与模拟实测值进行对比,平均误差能控制在10%左右,验证了该方法的有效性。这种方法能快速反演活度,在预测精度和预测性能的稳定性上优于其他活度反演方法,证明了CNN与源项活度反演的结合研究在废物处理和核设施退役等领域具有较高应用价值。