CN109239762A - 基于混合广义Pareto函数的放射性气溶胶监测方法 - Google Patents
基于混合广义Pareto函数的放射性气溶胶监测方法 Download PDFInfo
- Publication number
- CN109239762A CN109239762A CN201811023629.2A CN201811023629A CN109239762A CN 109239762 A CN109239762 A CN 109239762A CN 201811023629 A CN201811023629 A CN 201811023629A CN 109239762 A CN109239762 A CN 109239762A
- Authority
- CN
- China
- Prior art keywords
- peak
- artificial
- monitoring
- function
- road
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
- G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
- G01T1/36—Measuring spectral distribution of X-rays or of nuclear radiation spectrometry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- High Energy & Nuclear Physics (AREA)
- Molecular Biology (AREA)
- Measurement Of Radiation (AREA)
Abstract
本发明公开了一种基于混合广义Pareto函数的放射性气溶胶监测方法,目的在于解决现有人工放射性气溶胶易受环境干扰,监测精度低的问题。针对能谱拟合剥除方法需要合适的峰形函数和能区划分两个问题,本发明首先基于广义Pareto分布构造了一种α能谱拖尾峰形函数,改善了指数拖尾峰形函数的不足,其次在方法步骤上所需的输入阈值较少,并利用了所有道址的能谱数据,不会得出赋值监测浓度。本发明是一种基于有限混合模型和广义Pareto分布的气溶胶监测能谱处理方法,其能有效解决现有监测方法中易受环境干扰和精度低的问题。本发明中,在计算步骤上所有核素的贡献均为正,不会出现负值,有效避免了负值监测浓度的问题,且能有效减少输入阈值。
Description
技术领域
本发明涉及射性气溶胶监测方法领域,具体为一种基于混合广义Pareto函数的放射性气溶胶监测方法。
背景技术
在核材料加工及放射性废物的储存等场合中,都有可能使长寿命的人工放射性核素与空气中的颗粒物结合,形成人工放射性气溶胶。人们一旦吸入这些人工放射性气溶胶,就会受到人工放射性核素的持续内照射损害。对于人工放射性气溶胶浓度的实时监测,能够及时发现放射性工作场所的异常情况,对于保障工作人员安全具有重要意义。但天然氡钍子体放射性气溶胶严重干扰了人工放射性气溶胶的监测,且这类气溶胶受不同的时间、地点、环境条件的影响。在某些特殊的环境中,天然放射性气溶胶的α活度浓度比人工放射性气溶胶的活度浓度要高许多,导致能谱重叠。所以,天然放射性气溶胶能谱的扣除非常关键,直接影响到人工放射性核素的探测限和监测周期。
目前,α放射性气溶胶连续监测技术发展很快。其中,利用多道分析器和能谱分析的天然放射性气溶胶本底的扣除方法主要包括:衰变测量法、能量甄别法及能谱拟合剥离法。衰变测量法监测周期较长;能量甄别法受环境的影响较大;国外主要以CANBERRA公司为代表,推出了系列仪器—iCAM、Alpha Sentry CAM和iSolo,它们使用较为先进的能谱拟合剥除专利技术。但能谱拟合剥除方法需要合适的峰形函数和能区划分两个条件,使得这类仪器易受环境干扰导致能区划分不正确,当前的指数拖尾峰形函数不足以拟合天然放射性核素α能谱的拖尾部分,使得监测精度低,同时扣除算法易得出负值监测浓度。
为此,迫切需要一种新的方法/或装置,以解决上述问题。
发明内容
本发明的发明目的在于:针对现有人工放射性气溶胶易受环境干扰,监测精度低的问题,提供一种基于混合广义Pareto函数的放射性气溶胶监测方法。本发明是一种基于有限混合模型和广义Pareto分布的气溶胶监测能谱处理方法,其能有效解决现有监测方法中易受环境干扰和精度低的问题。本发明中,有效避免了负值监测浓度的问题,且能有效减少输入阈值。
为了实现上述目的,本发明采用如下技术方案:
基于混合广义Pareto函数的放射性气溶胶监测方法,包括如下步骤:对天然道和人工道中所有核素成分的α能谱分布建立有限混合模型,并从中解耦人工放射性核素的净计数;再在监测时,使用有限混合模型拟合天然放射性核素的α能谱,确定峰位并完成自标定,再利用峰位和3σ准则确定人工道能区。
包括如下步骤:
(1)对于多道分析器采集到的能谱数据,根据探测器标定参数设定道址阈值T1、T4和T5,其中T1>T4>T5,使得区间[T4,T1]中的道址计数全部由天然放射性核素产生并覆盖218Po(6.00MeV)的能谱峰值,[T5,T4-1]为人工放射性核素的计数预估出现的范围;
(2)对区间[T4,T1]中的道址计数,使用构造的峰形函数和三种成分的有限混合模型描述并拟合;
(3)根据θi,1≤i≤3重新标定道址对应的能量跨度并估算人工放射性核素的峰位,并利用3σ准则计算T2、T3和T4;
(4)对区间[T5,T1]中的道址计数,使用八种成分(212Po、214Po、212Bi、218Po、241Am、239Pu、235U和238U)的有限混合模型及所构造的峰形函数描述并拟合,并由拟合参数计算八种核素的计数。
针对前述问题,本发明提供基于混合广义Pareto函数的放射性气溶胶监测方法,其是一种基于有限混合模型计算人工放射性核素能谱的α净计数、广义Pareto分布导出的峰形函数3σ准则确定人工道能区的方法。本发明中,先对天然道和人工道中所有核素成分的α能谱分布建立有限混合模型,并从中解耦人工放射性核素的净计数,在算法步骤上先使用有限混合模型拟合天然放射性核素的α能谱,确定峰位并完成自标定,再利用峰位3σ准则确定人工道能区。
其工作过程如下:基于嵌入式技术,采用α粒子探测器和多道分析器实时采集滤纸中放射性气溶胶样本的能谱数据,然后采用基于混合广义Pareto分布的峰形函数模型计算人工放射性气溶胶的活度浓度,包括以下步骤:
(1)对于多道分析器采集到的能谱数据,根据探测器标定参数设定道址阈值T1、T4和T5,其中T1>T4>T5,使得区间[T4,T1]中的道址计数全部由天然放射性核素产生并覆盖218Po(6.00MeV)的能谱峰值,[T5,T4-1]为人工放射性核素的计数可能出现的范围;
(2)对区间[T4,T1]中的道址计数,使用构造的峰形函数和三种成分的有限混合模型描述并拟合;
(3)根据θi,1≤i≤3重新标定道址对应的能量跨度并估算人工放射性核素的峰位,并利用3σ准则计算T2、T3和T4;
(4)对区间[T5,T1]中的道址计数,使用八种成分的有限混合模型及所构造的峰形函数描述并拟合,并由拟合参数计算八种核素的计数。
综上,本发明提供一种用于放射性气溶胶监测的基于有限混合模型和广义Pareto函数的能谱计数求解方法,针对能谱拟合剥除方法需要合适的峰形函数和能区划分两个问题,首先基于广义Pareto分布构造了一种α能谱拖尾峰形函数,改善了指数拖尾峰形函数的不足,其次在方法步骤上所需的输入阈值较少,并利用了所有道址的能谱数据,不会得出赋值监测浓度。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
(1)输入阈值参数少,需输入3个,传统的能谱拟合剥除方法需要输入5个能区阈值;
(2)构造了一种新的描述α能谱的峰形函数,经数据验证其描述拖尾的能力比指数拖尾峰形函数更强,理论上指数拖尾峰形函数是其特例;
(3)在计算步骤上所有核素的贡献均为正,不会出现负值。
附图说明
本发明将通过例子并参照附图的方式说明,其中:
图1为典型的天然放射性气溶胶的本底能谱图,其中横坐标为道址,纵坐标为计数;
图2为本发明的流程图。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
本说明书中公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
实施例1
本实施的操作步骤如下。
(1)采用离子注入型硅α粒子探测器和多道分析器实时采集滤纸中放射性气溶胶样品的能谱数据;
(2)设定能区范围阈值T1,T5和人工道与天然道的分界阈值T4,这些阈值也可从探测器标定参数中获得;
(3)对区间[T4,T1]中的道址计数,使用三种成分的有限混合模型描述并拟合,即
其中f(x|θ)为所构造的参数向量为θ的峰形函数,由广义Pareto分布导出,θi,1≤i≤2分别为212Po和214Po产生的能谱峰的参数,θ3为212Bi&218Po产生的能谱峰的参数;
(4)根据θi,1≤i≤3并结合核素能量表重新标定道址对应的能量跨度ΔE并估算人工放射性核素的峰位,并利用3σ准则计算T2、T3和T4,共考虑8种核素,能量从大到小依次为Ei,1≤i≤8,因为θi,2≤i≤3包含了E2和E4对应的道址,所以可根据此求解ΔE,并进一步计算8种核素峰位对应的道址;
(5)与第(3)步相似,对区间[T5,T1]中的道址计数,使用八种成分的有限混合模型及所构造的峰形函数描述并拟合,并由拟合参数计算8种核素的计数。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合,以及披露的任一新的方法或过程的步骤或任何新的组合。
Claims (2)
1.基于混合广义Pareto函数的放射性气溶胶监测方法,其特征在于,包括如下步骤:对天然道和人工道中所有核素成分的α能谱分布建立有限混合模型,并从中解耦人工放射性核素的净计数;再在监测时,使用有限混合模型拟合天然放射性核素的α能谱,确定峰位并完成自标定,再利用峰位和准则确定人工道能区。
2.根据权利要求1或2所述基于混合广义Pareto函数的放射性气溶胶监测方法,其特征在于,包括如下步骤:
(1)对于多道分析器采集到的能谱数据,根据探测器标定参数设定道址阈值T1、T4和T5,其中T1>T4>T5,使得区间[T4,T1]中的道址计数全部由天然放射性核素产生并覆盖218Po(6.00MeV)的能谱峰值,[T5,T4-1]为人工放射性核素的计数预估出现的范围;
(2)对区间[T4,T1]中的道址计数,使用构造的峰形函数和三种成分的有限混合模型描述并拟合;
(3)根据θi,1≤i≤3重新标定道址对应的能量跨度并估算人工放射性核素的峰位,并利用3σ准则计算T2、T3和T4;
(4)对区间[T5,T1]中的道址计数,使用八种成分的有限混合模型及所构造的峰形函数描述并拟合,并由拟合参数计算八种核素的计数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811023629.2A CN109239762A (zh) | 2018-09-04 | 2018-09-04 | 基于混合广义Pareto函数的放射性气溶胶监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811023629.2A CN109239762A (zh) | 2018-09-04 | 2018-09-04 | 基于混合广义Pareto函数的放射性气溶胶监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109239762A true CN109239762A (zh) | 2019-01-18 |
Family
ID=65060426
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811023629.2A Pending CN109239762A (zh) | 2018-09-04 | 2018-09-04 | 基于混合广义Pareto函数的放射性气溶胶监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109239762A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110927773A (zh) * | 2019-12-20 | 2020-03-27 | 中国人民解放军火箭军工程大学 | 一种高本底条件下人工α气溶胶的能谱解析方法 |
CN112000921A (zh) * | 2020-07-10 | 2020-11-27 | 中国辐射防护研究院 | 一种基于核设施环境监测数据的评价系统 |
CN112711062A (zh) * | 2020-12-22 | 2021-04-27 | 上海工物高技术产业发展有限公司 | 能谱拟合扣除方法、装置、计算机设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101031820A (zh) * | 2004-08-26 | 2007-09-05 | 坎培拉工业股份有限公司 | 核素识别系统 |
CN101063664A (zh) * | 2006-04-27 | 2007-10-31 | 北京市射线应用研究中心 | 一种放射性人工气溶胶的监测方法及装置 |
US20080319714A1 (en) * | 2007-06-20 | 2008-12-25 | Patrick Paul Camus | Processing of spectrometer pile-up events |
-
2018
- 2018-09-04 CN CN201811023629.2A patent/CN109239762A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101031820A (zh) * | 2004-08-26 | 2007-09-05 | 坎培拉工业股份有限公司 | 核素识别系统 |
CN101063664A (zh) * | 2006-04-27 | 2007-10-31 | 北京市射线应用研究中心 | 一种放射性人工气溶胶的监测方法及装置 |
US20080319714A1 (en) * | 2007-06-20 | 2008-12-25 | Patrick Paul Camus | Processing of spectrometer pile-up events |
Non-Patent Citations (8)
Title |
---|
KOSKELO M J, BURNETT W C, CABLE P H.: "An advanced analysis program for alpha-particle spectrometry", 《RADIOACTIVITY RADIOCHEM》 * |
KOSKELO M J, BURNETT W C, CABLE P H.: "An advanced analysis program for alpha-particle spectrometry", 《RADIOACTIVITY RADIOCHEM》, 31 July 1996 (1996-07-31), pages 18 - 27, XP055580356 * |
曾国强等: "双通道人工放射性气溶胶监测系统设计", 《核技术》 * |
曾国强等: "双通道人工放射性气溶胶监测系统设计", 《核技术》, vol. 40, no. 5, 31 May 2017 (2017-05-31), pages 050402 - 1 * |
陈立等: "基于神经网络的人工放射性气溶胶中氡子体扣除算法", 《核技术》, vol. 40, no. 9, 30 September 2017 (2017-09-30), pages 090402 - 1 * |
马彦伟等: "广义Pareto分布的参数估计", 《贵州师范学院学报》 * |
马彦伟等: "广义Pareto分布的参数估计", 《贵州师范学院学报》, vol. 30, no. 6, 30 June 2014 (2014-06-30), pages 5 - 8 * |
黄宪果等: "α放射性气溶胶连续测量的本底扣除技术及探测灵敏度研究", 《辐射防护》, vol. 35, no. 2, 31 March 2015 (2015-03-31), pages 94 - 96 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110927773A (zh) * | 2019-12-20 | 2020-03-27 | 中国人民解放军火箭军工程大学 | 一种高本底条件下人工α气溶胶的能谱解析方法 |
CN112000921A (zh) * | 2020-07-10 | 2020-11-27 | 中国辐射防护研究院 | 一种基于核设施环境监测数据的评价系统 |
CN112711062A (zh) * | 2020-12-22 | 2021-04-27 | 上海工物高技术产业发展有限公司 | 能谱拟合扣除方法、装置、计算机设备和存储介质 |
CN112711062B (zh) * | 2020-12-22 | 2024-05-28 | 上海工物高技术产业发展有限公司 | 能谱拟合扣除方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109239762A (zh) | 基于混合广义Pareto函数的放射性气溶胶监测方法 | |
CN103135122A (zh) | 混合核素γ点源体积样品效率刻度方法 | |
Orton et al. | Proof of concept experiments of the multi-isotope process monitor: An online, nondestructive, near real-time monitor for spent nuclear fuel reprocessing facilities | |
Uher et al. | Peak fitting and identification software library for high resolution gamma-ray spectra | |
CN103460075A (zh) | 用于识别核素的方法和数据库 | |
Yushkov | Measurements of the muon shower content at the Pierre Auger Observatory | |
Bochicchio et al. | Protection from radon in Italy: past, present and perspectives | |
US20180336976A1 (en) | Scintillator-based neutron and gamma-ray dosimeter | |
Kovář et al. | Subtraction of natural radiation contribution from gamma-ray spectra measured by HPGe detector | |
Cai et al. | Rapid determination of radon progeny concentration based on artificial neural networks | |
Wu et al. | Design of radionuclides identification algorithm based on sequence bayesian method | |
McDermott et al. | 56Fe capture cross section experiments at the RPI LINAC Center | |
Bender et al. | Geant4 model validation of Compton suppressed system for process monitoring of spent fuel | |
CN110990783B (zh) | 一种Pu-242核素相对含量的计算方法 | |
Kusuma et al. | Analysis of energy-peaks characteristic in NaI (Tl) spectrometer for radionuclide identification in environmental radiation monitoring device | |
Giroletti et al. | 222Rn daughters influence on scaler mode of the ARGO-YBJ detector | |
Tutt et al. | Delayed-Gamma Energy Biasing with Exact Energy Sampling in MCNP 6.2. 0 | |
Cipiti | Generic Quantitative Process Monitoring and Acocuntability Methodology for Fuel Cycle Facilities. | |
Kim et al. | The Impact of Below Detection Limit Samples in (NPP) Decommissioning Residual Risk Assessment-17033 | |
Bender | Application of monte carlo modeling of compton suppression spectroscopy to spent fuel material accountancy | |
Pinheiro et al. | Reliable method to count tracks from solid state nuclear track detectors in the measurement of radon concentration | |
Coşar et al. | Monte Carlo simulation methods for gamma-ray metrology | |
Green | MCNP6 Simulation of Correlated Gamma-Ray Events in the Dance Array | |
Graves et al. | γ Rays Following Neutron Capture in U 235 and the Spins of U 235 Resonances | |
Kim et al. | The Impact of Below Detection Limit Samples in (NPP) Decommissioning Residual Risk Assessment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190118 |