国控大气辐射环境自动监测站辐射监测模型的研究

作     者：骆云飞 

作者单位：浙江大学 

学位级别：硕士

导师姓名：杨江

授予年度：2020年

学科分类：082803[工学-农业生物环境与能源工程] 08[工学] 0828[工学-农业工程] 0804[工学-仪器科学与技术] 

主      题：能谱聚类 能谱异常检测 线性回归 监测平台 

摘      要：近年来,随着核技术的发展和其在各行各业的广泛应用,以及对自然界矿物资源开采力度的加大,导致大气环境中的放射性核素浓度异常超标的风险增大,因此我国建立大气环境中核辐射安全监管体系,并在全国范围内建立了包含NaI能谱仪为主的多种监测仪器的大气辐射自动监测站（简称自动站）。由于自动站地理位置分布广,受气象因素、自然环境下核素种类复杂且含量较低和NaI能谱仪分辨率低的影响。目前存在直接应用NaI能谱仪等测量数据来判断核素浓度超标的方法漏报率和误报率较高的问题。为此,本文研究了基于线性回归的剂量率拟合方法,基于聚类和局部异常因子的环境能谱异常波动分析和判别方法。全文的主要工作和创新点如下:（1）针对目前基于空气吸收剂量率的分析方法易受外界因素干扰,且存在数据缺失的问题,研究了基于线性回归的剂量率估计方法。论文分析了空气吸收剂量率与气象参数间的相关性,通过引入气象数据作为剂量率的补充信息,在一定程度上减少了由气象变化导致剂量率波动的误报;论文利用剂量率与伽马能谱间的关系,采用线性回归模型确定剂量率与能谱计数间的定量关系;利用能谱拟合剂量率值作为高压电离室测量值的互补信息,提高剂量率数据的可靠性并在一定程度上弥补数据缺失情况。（2）针对气象自然环境中背景能谱涨落会干扰能谱分析的问题,研究了基于PCA-BIRCH算法的环境能谱聚类方法。引入基于t-SNE的数据集可视化分析方法,通过能谱降维可视化揭示了数据集的簇群分布特征;依据数据集在低维空间的分布特征建立基于PCA-BIRCH算法的聚类模型。该模型能有效将能谱数据按簇群分布特征划分为不同的数据集,可以抑制背景能谱涨落的影响。（3）针对现有能谱分析方法在降雨等环境因素变化时易出现能谱异常的误判问题,研究了基于局部异常因子的环境能谱异常检测方法。利用数据集局部密度特征建立基于LOF算法的能谱异常判别模型,根据能谱的异常分数来判断该能谱的离群程度。对比实验表明该方法能有效识别出数据集中的异常能谱,减少由环境变化引起的能谱异常的误判。（4）结合自动站信息系统的需求和技术架构,采用浏览器/服务器结构来搭建在线监测平台,包括客户端界面、后台管理模块、数据分析模块和数据库模块。重点完成了数据开发模块（空气吸收剂量率的拟合、环境能谱异常波动检测、能峰谱分析）以及交互界面（登陆界面、辐射监测数据界面、气象数据概览界面、历史数据界面）。最后以浙江省某自动站2019年历史数据中的现场数据作为案例,验证了本文所研究的监测数据分析和异常判别算法的有效性。