發(fā)布時(shí)間：2022-12-09 06:11

　　γ能譜測(cè)量作為在核輻射探測(cè)中一種重要方法,是解決核輻射粒子在環(huán)境中產(chǎn)生輻射等有關(guān)問(wèn)題的重要手段之一。通過(guò)各種探測(cè)器對(duì)γ射線進(jìn)行探測(cè)、收集,然后分析數(shù)據(jù)等便可識(shí)別發(fā)射γ射線源屬于何種元素及給中元素的含量或者活度。因此,對(duì)所得到的γ能譜進(jìn)行分析,主要包括了γ能譜的測(cè)量和數(shù)據(jù)的采集,譜數(shù)據(jù)的解譜分析等。由于探測(cè)器本身固有的統(tǒng)計(jì)漲落及受電子學(xué)系統(tǒng)噪聲的影響,在核能譜數(shù)據(jù)處理過(guò)程必定會(huì)產(chǎn)生誤差,為了減弱其誤差帶來(lái)的影響,對(duì)能譜數(shù)據(jù)進(jìn)行平滑處理是非常必要的。首先介紹徑向基函數(shù)（Radical Basis Function,RBF）神經(jīng)網(wǎng)絡(luò),再通過(guò)建立、學(xué)習(xí)和訓(xùn)練,顯示出RBF神經(jīng)網(wǎng)絡(luò)具有結(jié)構(gòu)簡(jiǎn)單、訓(xùn)練速度快,并且有比較強(qiáng)的抗干擾能力,特別是能達(dá)到很好的逼近效果。其次,我們將RBF神經(jīng)網(wǎng)絡(luò)應(yīng)用到對(duì)能譜的平滑當(dāng)中,并通過(guò)建立不同函數(shù)的RBF神經(jīng)網(wǎng)絡(luò),相同的擴(kuò)展系數(shù)和建立相同的RBF神經(jīng)網(wǎng)絡(luò),不同的擴(kuò)展系數(shù),選取對(duì)核能譜平滑能達(dá)到最優(yōu)效果的RBF神經(jīng)網(wǎng)絡(luò)和擴(kuò)展系數(shù)。最后,我們通過(guò)實(shí)例,將建立的最優(yōu)RBF神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)的多項(xiàng)式最小二乘法同時(shí)對(duì)某一能譜進(jìn)行平滑,利用“平滑度”這一評(píng)價(jià)指標(biāo),對(duì)兩者的平滑效果做... 

【文章頁(yè)數(shù)】：52 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 引言
    1.2 選題的目的和意義
    1.3 國(guó)內(nèi)外發(fā)展歷史及現(xiàn)狀
    1.4 本文的主要工作
    1.5 本文框架安排
2 γ能譜數(shù)據(jù)獲取及特征
    2.1 γ能譜數(shù)據(jù)獲取
        2.1.1 核輻射探測(cè)器
        2.1.2 核輻射探測(cè)器分類
    2.2 γ能譜特征
        2.2.1 γ射線與物質(zhì)的相互作用
        2.2.2 計(jì)數(shù)的統(tǒng)計(jì)分布
        2.2.3 脈沖堆積效應(yīng)
        2.2.4 其他效應(yīng)
    2.3 本章小結(jié)
3 RBFNN基本理論
    3.1 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（RBFNN）
        3.1.1 RBFNN結(jié)構(gòu)
        3.1.2 RBF工作原理
    3.2 RBF神經(jīng)網(wǎng)絡(luò)函數(shù)逼近
        3.2.1 多元連續(xù)函數(shù)的一元函數(shù)復(fù)合表示問(wèn)題
        3.2.2 人工神經(jīng)網(wǎng)絡(luò)的逼近
    3.3 RBF神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)
        3.3.1 基于K-means聚類算法
        3.3.2 基于正交最小二乘的RBF網(wǎng)絡(luò)設(shè)計(jì)算法
    3.4 本章小結(jié)
4 RBF神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化
    4.1 粒子群算法簡(jiǎn)介
    4.2 對(duì)RBF神經(jīng)網(wǎng)絡(luò)參數(shù)尋優(yōu)過(guò)程
    4.3 仿真舉例
    4.4 本章小結(jié)
5 RBF神經(jīng)網(wǎng)絡(luò)在γ能譜平滑應(yīng)用
    5.1 多項(xiàng)式最小二乘法
    5.2 利用RBF神經(jīng)網(wǎng)絡(luò)對(duì)γ能譜平滑
        5.2.1 RBF神經(jīng)網(wǎng)絡(luò)對(duì)能譜的平滑處理
    5.3 本章小結(jié)
6 結(jié)論與展望
參考文獻(xiàn)
致謝



本文編號(hào)：3714989