[发明专利]一种基于历史数据的辐射剂量预测方法

说明书

本发明属于核电运维技术领域，具体涉及一种基于历史数据的辐射剂量预测方法。技术方案：该方法主要通过识别核电厂大修累计集体剂量、总工时两个辐射防护指标相关的标签，以历次大修个人剂量、工单、辐射工作许可等数据作为数据源并开放组合方式，通过大数据分析对历史数据通过模型分析，输出不同标签组合的预测累计集体剂量、总工时，并支持人工修正数据引入，最终实现核电厂大修个人剂量相关的辐射防护指标预测。有益效果：该方法满足核电厂辐射防护部门制定与个人剂量相关的辐射防护指标需求，可以节约指标制定的人力和时间，减轻管理工程师的负担，并提供标签自由组合功能，以实现尽可能准确对核电厂个人剂量相关的辐射防护指标进行预测。

技术领域

本发明属于核电运维技术领域，具体涉及一种基于历史数据的辐射剂量预测方法。

背景技术

核电厂日常维护和每次大修前需建立切实可行且具有挑战性的辐射防护业绩指标，通过这些指标充分评价公司的辐射防护管理水平，并通过与之适应全面、有效地辐射防护管理措施，以保障核电厂工作人员的健康和安全。与个人剂量相关的辐射防护指标主要有累计集体剂量、总工时等。目前，核电厂对累计集体辐射剂量等辐射防护指标的制定，主要通过参考历史指标值及历史经验数据进行人工估算，无数据模型，无法自动对个人辐射剂量相关的辐射防护指标进行预测。目前，核电厂主要通过人工以及经验制定大修个人剂量相关的辐射防护指标，各个核电厂使用方法各不相同，并且经常发生大修累计集体剂量突破预测指标的情况。因此，需要一种基于历史剂量数据模型的辐射剂量预测模型，以实现核电厂剂量相关辐射防护指标制定的自动化、信息化。

发明内容

本发明的目的在于针对核电厂剂量相关辐射防护指标制定困难、无数据模型、无信息化手段的现状，依托中国核电标准化管理流程，基于核电厂安全生产平台，提供了一种基于历史数据的辐射剂量预测方法，能够实现核电厂多标签组合自动对大修个人剂量相关的辐射防护指标的预测。

本发明的技术方案如下：

一种基于历史数据的辐射剂量预测方法，依次包括如下步骤：

S1.获取历史数据作为预测初始数据

选择参考机组、大修类型和参考大修，然后从核电厂获取各参考机组在历次参考大修期间的辐射剂量相关历史数据，对获得的历史数据进行识别分析，确定用于进行预测的标签以及各标签相关的辐射剂量的历史数据，作为预测初始数据；

S2.修正预测初始数据

核电厂在开展辐射剂量预测工作前，根据数据规范化情况，对获取的预测初始数据进行标准化配置，作为预测输入数据；

S3.选取预测模型相关标签

从S1识别出来的各标签中选择单个或多个标签；

S4.选择预测模型

根据S3选择的单个或多个标签组合成的标签集，对S2得到的预测输入数据进行分类汇总，统计得到预测输入数据中包含n次参考大修和m个标签集，得到C(1)，C(2)，...C(m)标签集，其中C(m)标签集对应的历次参考大修的集体辐射剂量为{E_C(m)，1，E_C(m)，2，...，E_C(m)，i，...，E_C(m)，n}，采用算数平均数法、四分位法、一元线性函数、一元多项式回归法或组合权重法，计算得到集体辐射剂量预测值PE。

进一步地，所述S1的预测初始数据包括各机组在不同大修阶段，各项辐射工作许可证相关的辐射剂量历史数据。

进一步地，所述用于进行预测的标签包括包括处室、单位、大修阶段或大修里程碑区间、大修类型、专业、工作类别和工作大类。

进一步地，所述标准化配置过程包括对预测初始数据中的工作类别和大修阶段的标准化配置，以及对历次参考大修的集体辐射剂量、中子剂量和内照射剂量的修正。