毕业论文移动版

摘要计算机功能的不断开发使得神经网络算法应用到核素识别这一过程，由于其具有较好的耐故障处理能力、较快处理速度和大规模并行处理等能力，神经网络算法缩短了核素识别过程的时间，提高了准确性。本文采用CdZnTe探测器和LaBr3探测器进行能量刻度和屏蔽实验，建立相应的谱数据库，经数据处理后采用峰位识别法和全谱识别法来定性核素识别，分别测试了BP网络和OLAM网络结构下的识别情况。同时采用全谱识别法来定量分析核素，主要是应用OLAM网络结构进行核素活度测量，取得了较好的实验结果。68926

毕业论文关键词  神经网络算法  BP网络  OLAM网络   定性定量核素识别  

毕业设计说明书外文摘要

Title    A study on application of neural network algorithm in the  identification of nuclide.                                               

Abstract

The development of computer makes neural network algorithm apply to the process of nuclide identification.Because of its ability about good fault tolerance,fast speed and large scale parallel processing, neural network algorithm shortens the process of nuclide identification time. It also improves the accuracy.The CdZnTe  detector and the LaBr3 are used in this study to set  energy calibration and do  shielding experiment. And then establish corresponding spectrum database. After data processing, the methods of peak spectrum and full spectrum identification are used to nuclide identification. Respectively ,I test the recognition of nuclide under the structure of BP network and OLAM network. Besides, the activity of nuclide is measured by full spectrum identification method especially in OLAM network in this article. And the results have been achieved.

Keywords  neural network algorithm  BP network  OLAM network   qualitative nuclide identification  

1引言  1

1.1 神经网络算法的发展概况  1

1.2 核素识别的现状2

1.3 本课题的目的及意义  2

2 神经网络算法简介  3

2.1 神经网络算法原理  3

2.2 神经网络主要结构  3

2.3 神经网络基本特性 6

3 实验装置设备及软件介绍 7

3.1 CdZnTe探测器γ谱仪  7

3.2 LaBr3探测器γ谱仪 7

3.3 实验用放射性核素 8

3.4 实验屏蔽体 8

3.5 放射性核素识别软件 8

4 实验及数据分析 10

4.1 LaBr3探测器实验 10

4.2 CZT探测器实验 11

4.3 谱库建立 13

4.4 gamma谱数据处理方法 13

4.5 神经网络的应用 14

4.6 数据分析 19

5 神经网络算法的展望 20

结论  22

致谢  23

参考文献 24

1 引言

1.1 神经网络算法的发展概况

对于环境样品来说，测量其放射性物质种类及含量通常采用的是γ谱测量，而γ谱测量的最终目的是核素识别，也就是根据测得的脉冲幅度谱，采用数据处理分析的方法求出待测样品中各种放射性核素的种类和含量。核素识别方法中传统的主要有用γ能谱分析、解gamma谱、检索核素库、匹配能谱特征峰等 [1]，由于能谱中既包含特征峰，还包含康普顿坪、单双逃逸峰等，并且特别容易受噪声、基线漂移等条件影响，造成的结果就是识别的准确度降低、速度变慢[2]。在计算机没有得到广泛应用之前，进行复杂的数学运算的可能较低，因此只能用各道计数累加的简单峰面积法。这样进行核素识别的结果就是误差大，计算较多耗时较长。然而随着计算机的广泛应用以及计算机性能的不断开发，峰面积法有了新发展，复杂拟合函数的峰面积法出现了。同时新的计算分析方法也慢慢应用到核素识别中。 (责任编辑：qin)