[發明專利]一種基于歷史數據的輻射劑量預測方法

在審

• 申請號: 202011390101.6
• 申請日: 2020-12-02
• 公開（公告）號: CN114580693A
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 肖薇;張冀蘭;劉華;楊加東;葛旭陽;陳葉俊;杜君堯;楊瀝銘;熊偉;張廉;楊萌;劉晗;張立俠
• 申請（專利權）人: 中核核電運行管理有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06
• 代理公司: 核工業專利中心 11007
• 代理人: 王潔

1.一種基于歷史數據的輻射劑量預測方法，其特征在于依次包括如下步驟：

S1.獲取歷史數據作為預測初始數據

選擇參考機組、大修類型和參考大修，然后從核電廠獲取各參考機組在歷次參考大修期間的輻射劑量相關歷史數據，對獲得的歷史數據進行識別分析，確定用于進行預測的標簽以及各標簽相關的輻射劑量的歷史數據，作為預測初始數據；

S2.修正預測初始數據

核電廠在開展輻射劑量預測工作前，根據數據規范化情況，對獲取的預測初始數據進行標準化配置，作為預測輸入數據；

S3.選取預測模型相關標簽

從S1識別出來的各標簽中選擇單個或多個標簽；

S4.選擇預測模型

根據S3選擇的單個或多個標簽組合成的標簽集，對S2得到的預測輸入數據進行分類匯總，統計得到預測輸入數據中包含n次參考大修和m個標簽集，得到C(1)，C(2)，…C(m)標簽集，其中C(m)標簽集對應的歷次參考大修的集體輻射劑量為{E_C(m)，1，E_C(m)，2，...，E_{C(m)，i}，...，E_C(m)，n}，采用算數平均數法、四分位法、一元線性函數、一元多項式回歸法或組合權重法，計算得到集體輻射劑量預測值PE。

2.如權利要求1所述的一種基于歷史數據的輻射劑量預測方法，其特征在于：所述S1的預測初始數據包括各機組在不同大修階段，各項輻射工作許可證相關的輻射劑量歷史數據。

3.如權利要求2所述的一種基于歷史數據的輻射劑量預測方法，其特征在于：所述用于進行預測的標簽包括包括處室、單位、大修階段或大修里程碑區間、大修類型、專業、工作類別和工作大類。

4.如權利要求2所述的一種基于歷史數據的輻射劑量預測方法，其特征在于：所述標準化配置過程包括對預測初始數據中的工作類別和大修階段的標準化配置，以及對歷次參考大修的集體輻射劑量、中子劑量和內照射劑量的修正。

5.如權利要求4所述的一種基于歷史數據的輻射劑量預測方法，其特征在于：所述對預測初始數據中的“工作類別”的標準化配置通過以下方式實現：

建立通用的“工作類別清單”，通過將預測初始數據中的“工作類別”統一為清單中給出的工作類別名稱。

6.如權利要求5所述的一種基于歷史數據的輻射劑量預測方法，其特征在于：所述對預測初始數據中的“大修階段”的標準化配置通過以下方式實現：

在預測初始數據中的“大修里程碑”基礎上，得到大修里程碑區間，設置為更高一級“大修階段”標簽。

7.如權利要求6所述的一種基于歷史數據的輻射劑量預測方法，其特征在于：所述對歷次參考大修集體輻射劑量的修正通過以下方式實現：

對完成工作類別和大修階段配置的預測初始數據進行分析，對于存在歷史專項工作和異常情況的預測初始數據，通過對預測初始數據中“工作類別”標簽下的集體輻射劑量數據錄入帶正負號的修正值的方式，對集體輻射劑量的數值進行修正。

8.如權利要求6所述的一種基于歷史數據的輻射劑量預測方法，其特征在于：所述對歷次參考大修集體輻射劑量的修正通過以下方式實現：

對完成工作類別和大修階段配置的預測初始數據進行分析，根據目標大修的專項工作安排，對于與目標大修不同的專項工作相關預測初始數據，對其中“工作類別”標簽下的集體輻射劑量數據通過錄入正負號的修正值的方式進行修正。

9.如權利要求7所述的一種基于歷史數據的輻射劑量預測方法，其特征在于：所述對中子劑量的修正通過以下方式實現：對每次參考大修的預測初始數據進行計算得到相應的中子劑量，作為該次參考大修的中子劑量修正值。

10.如權利要求9所述的一種基于歷史數據的輻射劑量預測方法，其特征在于：所述對內照射劑量的修正通過以下方式實現：對每次參考大修的預測初始數據進行計算得到相應的內照射劑量，作為該次參考大修的內照射劑量修正值。