[发明专利]一种基于BP神经网络和蒙特卡洛算法的γ射线剂量测量方法

摘要

本发明涉及一种基于BP神经网络和蒙特卡洛算法的γ射线剂量测量方法。本发明所述的方法采用常规使用的便携式NaI(Tl)γ谱仪作为模拟计算和实测使用的探测系统，利用MCNP软件对便携式NaI(Tl)γ谱仪结构进行建模，模拟计算获得单能光子的γ能谱，建立单能光子的γ能谱与剂量映射关系，基于叠加原理利用单能光子的γ能谱构造多能量混合谱独立同分布样本，并计算得到多能量混合谱的剂量，然后利用BP神经网络算法训练样本建立能谱及对应剂量的计算模型。采用本发明所述的方法，通过机器学习建立剂量值和能量响应的联系，避免了能谱分析处理和数学分析等人为操作带来的复杂性，剂量预测简单、快速、准确。

主权项

1.一种基于BP神经网络和蒙特卡洛算法的γ射线剂量测量方法，其特征在于，所述方法包括以下步骤：S1.采用常规使用的便携式NaI(Tl)γ谱仪作为模拟计算和实测使用的探测系统，利用MCNP软件对便携式NaI(Tl)γ谱仪结构进行建模；S2.通过MCNP软件模拟计算获得1～9MeV不同入射能量单能光子Ei的沉积能谱f(E，Ei)，建立单能光子Ei的沉积能谱f(E，Ei)与周围剂量当量值的映射关系，并对单能光子Ei的沉积能谱f(E，Ei)做可靠性验证；S3.基于叠加原理利用单能光子Ei的沉积能谱f(E，Ei)构造多能量混合谱独立同分布样本，构造方法为随机抽样式，利用抽样个数的动态自适应调整建立值域分布均匀的样本；S4.采用能谱叠加对应的处理过程计算多能量混合谱的剂量，即由组成混合谱的单能光子Ei的沉积能谱的剂量当量值乘上对应的系数求得多能量混合谱的剂量；S5.将模拟及叠加构造得到的能谱、剂量值作为训练样本，根据训练样本的输入参数、输出参数确定BP神经网络层数，设计BP神经网络结构；S6.利用BP神经网络逼近任意非线性函数的能力对训练样本进行学习，建立能谱及对应剂量的计算模型，使预测剂量的输出值与目标值相对偏差在±3％以内；S7.利用该探测器进行现场能谱的测量，并利用训练好的BP神经网络结构直接将测量谱换算为周围剂量当量，无需进行能响补偿。