基于遗传神经网络的γ能谱分析分析-材料物理与化学专业论文.docxVIP

致 谢 衷心感谢导师舒康颖教授、史宏声副教授以及中国原子能科学研究院的王红 艳研究员对我学习上的指导和督促，生活上的悉心照顾和热心帮助。同时感谢他 们的谅解和包容。舒老师渊博的学识，严谨的治学态度，以及对待科研教育工作 的认真负责、创新的态度，永远值得我学习。王老师的耐心、谦逊，乐观豁达以 及缜密的思维都深深的影响了我，永远激励着我不断前进。史老师宽大的胸怀和 孜孜不倦的教会，让我铭记于心，同时在实验、工作和论文的书写中付出了大量 的心血和给了我巨大的启发。在此，对这三位导师表达深深的感谢和敬意。 在北京中国原子能科学研究院进行实验研究时，得到了课题组老师与同学的 帮助，感谢申伸老师、刘志英老师、王烈铭，袁勇、闫行、王志豪给予我学习上 和生活上的帮助与关心。同时感谢清华大学工程物理系的魏义祥教授、王一鸣博 士的无私帮助。 感谢本课题组的秦来顺老师、张烨、商珊珊、黄霞妮、王雪丹等以及本学科 的楼俊尉、徐靖才、方一航、刘远平、王池雅、李银群等同学在生活中、学习上 给我了大量的帮助和全力的支持。 感谢亲人、朋友一直陪伴着我，对我学习工作的理解、鼓励和支持。 钱晋 二零一三年六月于中国计量学院 I I 基于遗传神经网络的γ能谱分析研究 摘要：γ能谱分析技术在核材料分析鉴定、核设施的安全性检测、环境放射 性监测以及防止核恐怖主义发生等诸多方面有着重要的应用。 本文综述了放射性探测与固体探测器、γ能谱解谱方法和 BP 神经网络法， 利用遗传算法对 BP 神经网络进行优化，对实测γ能谱进行分析研究。 取得了以下主要结论： 1) 利用遗传算法优化了BP神经网络，获得了BP神经网络结构权值与阀值的 最优解，提高了网络的自适应能力和泛化能力。利用MATLAB软件的神经网络 工具箱，构建了遗传算法优化的BP神经网络结构，测得了最佳的网络参数：选 用3层BP网络，隐含层节点数为73个，隐含层连接权值选为logsig或tansig，输出 层连接权值选为logsig，训练函数选为trainrp。通过改进遗传算法的适应度函数、 遗传算子，保留了种群中的优良个体，使网络的精度可达到10-3，训练步数可减 小到40步。与未优化的BP网络进行相比，自适应遗传算法优化BP神经网络能大 幅度提升网络的运行速度，且使网络避免落入局部极小，提高了网络的自适应能 力和泛化能力。 2) 利用自适应遗传算法优化的 BP 神经网络（AGA-BP 神经网络）进行γ谱 分析，采用全谱输入法，提高了结果的准确性。在识别过程中，对γ谱进行了平 滑、稳谱、去本底处理，减少了统计涨落、环境本底造成的误差，利用全谱输入， 以γ能谱每道计数作为神经网络的输入值，避免了对γ能谱进行寻峰处理、能量刻 度和效率刻度，消除了由于寻峰、能量与效率刻度导致的分析误差，大大提高了 神经网络对γ能谱分析结果的准确性。 3) 利用自适应遗传算法优化的BP神经网络进行γ谱分析，分析精度优于普通 BP神经网络。以Am、Eu、Co、Cs、Ba、Ra、Th、U八种核素的γ能谱及相应的 本底谱为基础构成训练数据矩阵，组建AGA-BP神经网络，γ谱识别研究时考虑 了全能峰相近或重叠、不重叠，核素是否训练、统计涨落、测量距离、屏蔽物等 的影响，实验室条件下能够识别所有核素，定量分析误差低于1%，优于普通BP 神经网络分析的结果，远优于传统解谱方法。 关键词：闪烁晶体；γ能谱；人工神经网络；遗传算法 分类号：TL812.1 II II Gamma spectrum analysis based on genetic neural network Abstract: Gamma spectrum analysis techniques have important applications in the analysis and identification of nuclear material, safety testing of nuclear facilities, environmental radioactivity monitoring and prevention of nuclear terrorism. This thesis briefly reviewed radioactive detection and solid-state detector, gamma spectroscopy solution spectral method and BP neural network. To analysis and study the measured gamma spectroscopy, through using BP neural network which optimize by genetic