[發(fā)明專(zhuān)利]一種基于BP神經(jīng)網(wǎng)絡(luò)算法的核事故源項(xiàng)反演方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201410546881.7
• 申請(qǐng)日: 2014-10-15
• 公開(kāi)（公告）號(hào): CN104376361A
• 公開(kāi)（公告）日: 2015-02-25
• 發(fā)明（設(shè)計(jì)）人: 凌永生;賈文寶;侯聞?dòng)?/a>;單卿;黑大千;張皓嘉;程璨
• 申請(qǐng)（專(zhuān)利權(quán)）人: 南京航空航天大學(xué)
• 主分類(lèi)號(hào): G06N3/02
• 分類(lèi)號(hào): G06N3/02;G06F19/00
• 代理公司: 南京瑞弘專(zhuān)利商標(biāo)事務(wù)所(普通合伙) 32249
• 代理人: 楊曉玲

1.一種基于BP神經(jīng)網(wǎng)絡(luò)算法的核事故源項(xiàng)反演的方法，其特征在于：包括以下步驟：

1)核事故源項(xiàng)作為目標(biāo)信號(hào)；根據(jù)核事故設(shè)施周?chē)谋O(jiān)測(cè)數(shù)據(jù)以及國(guó)際輻射評(píng)價(jià)系統(tǒng)確定影響源項(xiàng)反演的因素，影響源項(xiàng)反演的因素作為輸入特征變量；根據(jù)目標(biāo)信號(hào)和輸入特征變量構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)算法的核事故源項(xiàng)反演的網(wǎng)絡(luò)模型，所述目標(biāo)信號(hào)作為所述網(wǎng)絡(luò)模型的輸出層，輸入特征變量作為所述網(wǎng)絡(luò)模型的輸入層；

2)確定所述基于BP神經(jīng)網(wǎng)絡(luò)算法的核事故源項(xiàng)反演的網(wǎng)絡(luò)模型中的隱含層數(shù)，并設(shè)定各隱含層的初始單元個(gè)數(shù)；

3)所述基于BP神經(jīng)網(wǎng)絡(luò)算法的核事故源項(xiàng)反演的網(wǎng)絡(luò)模型初始化；根據(jù)核事故環(huán)境監(jiān)測(cè)的歷史數(shù)據(jù)得到訓(xùn)練樣本和測(cè)試樣本，訓(xùn)練樣本和測(cè)試樣本均進(jìn)行數(shù)據(jù)預(yù)處理；

4)用預(yù)處理過(guò)后的訓(xùn)練樣本對(duì)該網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，然后逐一增加隱含層的單元個(gè)數(shù)并重復(fù)訓(xùn)練，根據(jù)每次的訓(xùn)練結(jié)果比較模型中BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練所需的時(shí)間以及測(cè)試誤差，確定最終隱含層的單元個(gè)數(shù)；

5)用測(cè)試樣本對(duì)基于BP神經(jīng)網(wǎng)絡(luò)算法的核事故源項(xiàng)反演的網(wǎng)絡(luò)模型進(jìn)行源項(xiàng)反演的測(cè)試；

6)根據(jù)測(cè)試結(jié)束后得到的網(wǎng)絡(luò)模型反演核事故源項(xiàng)。

2.根據(jù)權(quán)利要求1所述的一種基于BP神經(jīng)網(wǎng)絡(luò)算法的核事故源項(xiàng)反演的方法，

其特征在于：所述目標(biāo)信號(hào)為釋放高度、碘-131的釋放率和銫-137的釋放率，因此確定輸出層的神經(jīng)元數(shù)量為3；所述輸入特征變量為核事故場(chǎng)外監(jiān)測(cè)點(diǎn)的風(fēng)速、大氣穩(wěn)定度、風(fēng)向、降水類(lèi)型、順風(fēng)距離和γ輻射劑量率b，因此確定輸入層的神經(jīng)元數(shù)量為6。

3.根據(jù)權(quán)利要求1所述的一種基于BP神經(jīng)網(wǎng)絡(luò)算法的核事故源項(xiàng)反演的方法，

其特征在于：在步驟2)中，所述隱含層數(shù)為兩層。

4.根據(jù)權(quán)利要求1所述的一種基于BP神經(jīng)網(wǎng)絡(luò)算法的核事故源項(xiàng)反演的方法，

其特征在于：在步驟4)中，在該網(wǎng)絡(luò)模型重復(fù)訓(xùn)練中加入動(dòng)量因子。

5.根據(jù)權(quán)利要求1所述的一種基于BP神經(jīng)網(wǎng)絡(luò)算法的核事故源項(xiàng)反演的方法，

其特征在于：在步驟3)中，數(shù)據(jù)預(yù)處理包括采用premnmx函數(shù)對(duì)該網(wǎng)絡(luò)模型中的輸入層和輸出層的數(shù)據(jù)進(jìn)行歸一化處理，使其分布在-1～1之間。