基于长短时记忆神经网络的能谱核素识别方法

• 作者: 万亚平 刘志明 欧阳纯萍 王瑶
• 来源期刊: 强激光与粒子束
• 学科: 化学
• 关键词: 能谱数据 长短时记忆 核素识别 数据平滑 归一化
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 核科学与工程
• 页码范围: 149-156
• 页数: 8页
• 分类号: O657.62
• 语种: 中文
• DOI: 10.11884/HPLPB202032.200118

摘要

针对新兴的能谱核素识别方法在混合放射性核素的噪声环境中存在识别速度慢、准确率较低等问题,提出了基于长短时记忆神经网络(LSTM)的能谱核素识别方法.实验使用溴化镧(LaBr3)晶体探测器,分别对环境中60Co、137Cs放射性源分组测量得到能谱数据集,首先使用数据平滑方法和归一化方法进行数据预处理,然后将能谱数据按时间序列分组以获得可用的输入序列数组,最后训练LSTM模型得到预测结果.通过基于BP神经网络和卷积神经网络(CNN)的两个能谱识别模型进行对比,得到在测试集中平均识别率分别为83.45％和86.21％,而LSTM能谱识别模型平均识别率为93.04％,实验结果表明,该能谱模型在核素识别效果中表现较好,可用于快速的能谱核素识别设备上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	万亚平		43	285	6.0	16.0
2	刘志明		90	409	9.0	16.0
3	欧阳纯萍		48	212	6.0	13.0
4	王瑶		6	0	0.0	0.0