能谱数据库 - indico.ppt

分析使用的数据库 使用奇异值分解方法对IAEA的15×251矩阵 进行分解 定性选择Bonner球结果 定量评价Bonner球贡献的标准 Bonner多球定量评价结果 能谱反卷积方法现状 单输出ANN能谱反卷积算法 算法模型解谱表现 算法模型解谱表现 算法模型的独特优点 与其它算法比较 总结 1 使用奇异值方法和信息熵方法建立了Bonner多球谱仪设计方法 建立了Bonner多球谱仪的定性、定量分析方法。定性分析结果有效的指导了Bonner球的响应函数设计。定量分析结果加强了信息灵敏度高的Bonner球的稳定性，从而能够提高Bonner多球解谱结果的稳定性。 2 建立了单输出的ANN解谱方法，结果优于最大熵法和传统ANN方法 所建立的基于单输出的ANN能谱反卷积算法，克服了现有ANN方法过学习缺点，并且该方法在准确性、速度方面优于目前常用的最大熵算法，同时还具有能群误差独立的特点。 多球谱仪设计与中子解谱算法研究 汇报人：祝庆军 国防科学技术大学理学院工程物理研究所 ——————————————— NED2014.兰州 简介 多球谱仪设计 解谱算法研究 总结 张宇. 2011. D-T/D-D中子发生器技术研究[D]:[博士士]. 兰州, 兰州大学. 祝庆军. 2014. 氘氚中子发生器脉冲束线与中子能谱测量关键技术研究[D]:[博士]. 合肥, 中国科学技术大学 Bonner多球谱仪是辐射防护中广泛使用的中子能谱测量设备，能谱测量范围 可横跨11个数量级别，从1E-9MeV到1E2MeV (1) M. Reginatto, Radiation Measurement 44, 692(2009). (2) R.Bedogni , Neutron spectrometry with Bonner spheres  Bonner多球 反卷积 测量 中子能谱 设计 方程组未知数 (能谱能群数m) 方程组方程数 (Bonner球数m) 简介 多球谱仪设计 解谱算法研究 总结 (1) M. Reginatto, Radiation Measurement 44, 692(2009). (2) R.Bedogni , Neutron spectrometry with Bonner spheres  定性选择 如何选择Bonner球的参数与数目？ 定量评价 哪些Bonner球是测量关键？ 过少，自由度过高 过多，如选择不当，自由度依旧过高 251 个能谱 每个能谱包含60个能群 能量范围 10-9 至 630MeV 15 个Bonner球 慢化体直径0至18inch 3He 中子探测器 能谱信息 Bonner球信息 IAEA报告中有15个Bonner球对251个中子能谱测量结果，构成15×251数据库 Bonner多球的定性选择 能谱水平向量 Bonner 球水平向量 右奇异向量 奇异值 左奇异向量 VT矩阵的行 ∑的对角矩阵 U矩阵的列 U 的第一列 所有奇异值 VT 的第一行 U 的第二、三、四列(Ua, Ub, Uc) 用于Bonner球分类 每对球只取一个，因此可减少4个球，但信息量基本不变 基于奇异值分解，从IAEA的15个Bonner球中选择11个球组成Bonner谱仪 根据Bonner读数矩阵进行Bonner球分类，可参考在单词分类中广泛使用的奇异值分解技术 为了解各球的重要程度，需要评价单个Bonner球的数据波动，造成能谱改变程度。如何定义能谱的改变程度？-能谱信息熵波动△H 由单个Bonner球数据波动造成能谱信息熵波动的大小反映了该球对解谱重要性 Bonner球定量评价目的是评价单个Bonner球在测量中数据波动造成能谱信息熵波动△H。首先要建立由Bonner球读数预测信息熵方法，而后在评价 Am-Be源测量中的各球造成能谱信息熵波动 基于信息熵理论，能够针对特定测量对象，计算出关键Bonner球，因此可针对性提高这些球的稳定性，从而提高解谱稳定性 简介 多球谱仪设计 解谱算法研究 总结 容易产生过学习现象，对训练集之外的数据预测表现差 无需初始猜想谱 解谱过程无需迭代 神经网络算法（ANN） 响应函数的各向同性假设 初始猜想谱假设 需要迭代过程 数学原理清晰 最大熵法 非线性最小二乘法 缺点 优势 方法 反卷积算法是Bonner多球、反冲质子等中子能谱测量方法的关键技术 神经网络算法(ANN)是一种很有应用前景的能谱反卷积算法 ANN 输入 Bonner读数 ANN 输出 中子能谱 ANN 模型 M, R., Radiation Measurements(2010