基于Gradient Boosting算法的ERMS辐射数据预测

• 作者: 吴允平 朱武峰 李汪彪 林明贵 王廷银 苏伟达
• 来源期刊: 计算机系统应用
• 关键词: HPIC剂量率 异常 ERMS GB算法 预测
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 专论·综述
• 页码范围: 37-44
• 页数: 8页
• 字数: 4571字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007146

摘要

影响核辐射监测站点辐射监测HPIC剂量率实时数据准确性的组成因素多且复杂,如自然因素的降雨、温湿度、风向及太阳辐射等,客观因素的设备异常及放射性状况等;以致在实际应用中发现辐射监测状态异常时,很难分析出是什么原因导致的监测数据偏离.结合ERMS海量历史辐射序列监测数据,深入挖掘降雨、温湿度、气压、风向、太阳辐射天顶方向电子量及周边各站点辐射数值等特征因子集,基于Gradient Boosting算法(简称GB算法)建立起HPIC剂量率辐射数据的在线预测模型,有效融合自然特征因子,降低了自然因子对HPIC剂量率辐射监测数值异常的分析及判读的干扰作用,提高了对ERMS辐射异常发现的辅助判断能力及维保效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴允平	福建师范大学光电与信息工程学院	75	550	13.0	20.0
4	苏伟达	福建师范大学光电与信息工程学院	54	354	10.0	16.0
5	李汪彪	福建师范大学光电与信息工程学院	44	244	9.0	14.0
6	王廷银	福建师范大学光电与信息工程学院	19	38	2.0	6.0
13	朱武峰	福建师范大学光电与信息工程学院	1	1	1.0	1.0