基于BP神经网络的核事故多核素源项反演方法

《基于BP神经网络的核事故多核素源项反演方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第48卷第1期2016年2月南京航JournalofNanjing空航天大学UniversityofAeronautics学报{女AstronauticsV01．48No．1Feb．2016DOI：10．16s56／j．1005—2615．2016．01．020基于BP神经网络的核事故多核素源项反演方法赵丹1’2凌永生1’2侯闻宇1’2贾文宝1’2(1．南京航空航天大学材料科学与技术学院，南京，211106；2．江苏省高校放射医学协同创新中心，南京，211106)摘要：核事故发生后，为快速评估事故严重程度，需要对源项释放率进行估算。本文选取I-131，Cs一13

2、7，Xe一133和K卜85四种核素的释放率为目标信号，利用Matlab建立基于BP神经网络的核事故四核素源项反演模型。计算结果表明，在单隐层节点数为5～60范围内，训练均方差随节点数增加先减小后增大，在节点数为25时达到最小值41-1％。学习速率在0．01t0．2范围内时，增大学习率可减小训练均方差与各核素相对误差。对单隐层节点数为25，学习速率为0．2的训练结果进行测试，4种核素的源项估计相对误差分别为56．7％，49．1％，92．4％和92．0％。关键词：核事故；源项反演；BP神经网络；多核素；非线性；事故后果评价中图分类号：X946文献标志码：A文章编号：

3、1005—2615(2016)Ol一0130—06Multi—nuclideSourceTermInversionBasedonBPNeuralNetworkDuringNuclearAccidentZhaoDanl”，LingYongshen91～，HouWenyul“，JiaWenba01’2(1．CollegeofMaterialsScienceandEngineering&Science，NanjingUniversityofAeronautics&Astronautics，Nanjing，211106，China；2．CollaborativeInno

4、vationCenterofRadiationMedicineofJiangsuHigherEducationInstitutions，Nanjing，211106，China)Abstract：Toestimatetheseverityofnuclearaccident，abackpropagation(BP)neuralnetworkbasicmodelisbuiltforsourceterminversionduringanuclearaccident．ThereleaseratesofI一131，Cs一137，Xe一133andKr一85areselec

5、tedastargetsignals，andtheMatlabsoftwareisusedtOperformthecaleula—tionsforsourceterminversion．Theresultsshowthatinasinglehidden1ayer，thetrainmeansquareer—rordecreasesfirstlybutincreasesthereafterwithincreasingthenumberofnodesfrom5to60，andrea—chestheminimumvalueof41．1％whenthenumberofno

6、desis25．Increasingthelearningratefrom0．0lto0．2canreducetherelativeerrorvarianceforeachnuclide．TherelativeerrorsofreleaseratesofI一131，Cs一137，Xe一133andKr一85are6．7％，49．7％，92．3％and92．0％，respectively，whenthelearn—ingrateis0．2．Thesourceterminversionistestedatthenodenumberof25andthelearning

7、rateof0．2，andtheresultsshowthattherelativetesterrorsofreleaseratesofI一131，Cs一137，Xe一133andKr一85are56．7％，49．1％，92．4％and92．0％，respectively．Keywords：nuclearaccident；sourceterminversion；BPneuralnetwork；multi—nuclide；nonlinear；acci—dentconsequenceassessment基金项目：国防基础科研基金资助项目；江苏高校优势学科建设工程资助

8、项目。收稿日期：2015