基于深度神经网络的放射性废物桶γ能谱解析方法

• 作者: 王江玮 顾卫国 杨桧 王德忠
• 来源期刊: 核技术
• 学科: 工学
• 关键词: 深度神经网络 蒙特卡罗 γ能谱 核素识别
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 核物理、交叉学科研究|NUCLEAR PHYSICS, INTERDISCIPLINARY RESEARCH
• 页码范围: 51-57
• 页数: 7页
• 分类号: TL81
• 语种: 中文
• DOI: 10.11889/j.0253-3219.2022.hjs.45.040501

摘要

在核电厂放射性废物桶测量中,为了解决传统γ能谱解析方法存在的核素误识别和峰面积计算精度较差的问题,提出了基于深度神经网络的γ能谱解析方法.深度神经网络以γ能谱全谱数据作为分析对象,无需传统方法的谱线平滑、寻峰等工作.利用蒙特卡罗模拟得到的γ谱线作为神经网络的数据集,在秦山核电一期200 L钢桶的三种不同介质内置5种γ源,实验测量获得的γ谱线用于验证.结果发现:神经网络方法能快速识别核素并计算峰面积,精度达到96.47％;对于多核素混合的复杂能谱不会产生核素误识别,对于能谱中弱峰的峰面积计算误差也控制在10％以内.整体而言,基于深度神经网络的γ能谱解析方法适用于放射性废物桶的能谱解析,且解谱精度优于传统方法.