Elman神经网络在中子解谱中的应用

• 作者: 刘钰 幸浩洋 张乐 朱敬军 王桢 莫双荣
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 工学
• 关键词: CJPL Geant4 中子解谱 Elman神经网络
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 物理学
• 页码范围: 531-534
• 页数: 4页
• 分类号: TL929|TL816.3
• 字数: 2277字
• 语种: 中文
• DOI: 10.3969/j.issn.0490-6756.2020.03.018

摘要

人工神经网络由于其优良的自我调节能力及学习能力,已经被广泛地应用在各领域的非线性分析中.在中国锦屏极深地下实验室(CJPL)中的低本底液闪中子探测器一直在记录着中子的本底数据,探测器输出的能谱实际上是核反冲能谱,与输入能谱可一一对应,并随着输入能谱的改变而发生改变;因此可以将探测器输出信号输入到训练过的神经网络中判断输入能谱.本论文采用的神经网络为Elman神经网络,训练神经网络采用的数据为Geant4模拟所得.将实验获取的核反冲能谱输入到训练过的神经网路进行反解,最后Elman网络反解出的Am-Be中子源能谱与真实谱误差在0.1％～11.8％,反解出的252 Cf中子源能谱与真实谱误差在0.1％～8.9％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张乐	四川大学原子核科学技术研究所辐射物理及技术教育部重点实验室	18	100	7.0	9.0
2	幸浩洋	四川大学物理学院	32	98	6.0	8.0
3	朱敬军	四川大学原子核科学技术研究所辐射物理及技术教育部重点实验室	10	5	1.0	1.0
4	莫双荣	四川大学原子核科学技术研究所辐射物理及技术教育部重点实验室	1	0	0.0	0.0
5	刘钰	四川大学物理学院	1	0	0.0	0.0
6	王桢	四川大学原子核科学技术研究所辐射物理及技术教育部重点实验室	1	0	0.0	0.0