来源：期刊VIP网 时间：
作者：李建伟;陈体伟;王皓迪;李道武;杨继武;帅磊;
单位：山东核电有限公司;中国科学院高能物理研究所,北京市射线成像技术与装备工程技术研究中心;济南中科核技术研究院;国家原子能机构核技术(核探测与核成像)研发中心;数字化辐射探测及辐射防护山东省工程研究中心;
摘要：本文探讨了基于深度学习的废物桶核素分析方法,以应对核电项目中日益增长的废物桶核素分析需求。利用Geant4软件模拟高纯锗探测器测量废物桶的γ能谱,并训练了一个两层前馈神经网络,包含129个输入神经元和6个输出神经元,用于分析废物桶中的~(60)Co、~(137)Cs、~(59)Fe、~(241)Am、~(235)U和~(238)U六种核素。该网络在测试集上显示出0.9480的高R值,表明具有较高的预测精度。这项研究为核废物的分类处理和安全监控提供了一种有效的技术手段。
关键词：废物桶;;核素分析;;深度学习;;Geant4模拟
基金资助：山东省自然科学基金青年基金资助项目(资助编号ZR2024QA081)
