[发明专利]神经网络自适应卡尔曼滤波的核事故源项反演方法

摘要

本发明提供了一种神经网络自适应卡尔曼滤波的核事故源项反演方法，包括以下步骤建立基于神经网络自适应卡尔曼滤波算法的核事故源项反演模型，确定神经网络结构的输入参数、输出参数；建立大气污染物扩散模型；确定自适应卡尔曼滤波模块的观测变量、系统变量、观测矩阵、状态转移矩阵及计算流程，最终得到神经网络自适应卡尔曼滤波核事故源项反演模型。该方法选用神经网络结合自适应卡尔曼滤波快速筛选事故时最优参数，以神经网络自学习不同天气状况下大气扩散过程代替简单近似模型，选用自适应算法可克服常规卡尔曼滤波算法在非线性变化条线下滤波误差大、滤波发散的缺陷，使其具有实时在线反演的特点，为核事故后果评价及应急决策提供依据。

主权项

一种神经网络自适应卡尔曼滤波的核事故源项反演方法，其特征在于包括以下步骤：1）根据非稳态拉格朗日烟团模型系统及高斯多烟团大气扩散模型，确定核事故时监测点数量、位置、分布信息，确定影响核事故源项反演关键参数；核事故源项释放率作为自适应卡尔曼滤波模块目标信号，为该模块输出信号；核事故源项释放率及自适应卡尔曼滤波模块观测矩阵数据作为神经网络模块目标信号；2）确定神经网络模块结构，根据需求对历史数据进行数据处理，随机选择训练数据及测试数据，改变隐含层数、训练次数对训练数据进行训练，选择并确定神经网络最佳结构；3）构建神经网络自适应卡尔曼滤波源项反演模块，选用反向预测自适应算法；4）根据模型中训练数据结构对实时天气状况数据、实时监测值，进行预处理，获得反演数据；5）用实时数据对基于神经网络自适应卡尔曼滤波的核事故源项反演模型进行实时跟踪反演计算。