CN109522609B - 一种基于膨胀因子的减小核事故剂量率场评估误差的方法 - Google Patents
一种基于膨胀因子的减小核事故剂量率场评估误差的方法 Download PDFInfo
- Publication number
- CN109522609B CN109522609B CN201811239685.XA CN201811239685A CN109522609B CN 109522609 B CN109522609 B CN 109522609B CN 201811239685 A CN201811239685 A CN 201811239685A CN 109522609 B CN109522609 B CN 109522609B
- Authority
- CN
- China
- Prior art keywords
- matrix
- field
- error
- background
- nuclear accident
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Abstract
本发明提供了一种基于膨胀因子的减小核事故剂量率场评估误差的方法,该方法可以包括:建立核事故中放射性物质的大气扩散模型;根据所述大气扩散模型,确定所述核事故剂量率场的初始背景评估场,以此构建背景矩阵,并计算该背景矩阵的误差协方差矩阵,以及基于获取的观测数据构建观测矩阵,并计算观测场误差协方差矩阵;对所述背景矩阵的误差协方差矩阵进行系数膨胀,获得改进后的第一误差协方差矩阵;基于所述第一误差协方差矩阵和观测场误差协方差矩阵,利用同化算法获得核事故剂量率场,本公开可以减小事故辐射的评估误差。
Description
技术领域
本公开实施例涉及核事故应急响应技术领域,具体涉及一种放射性核素扩散计算方法和装置、电子设备和存储介质。
背景技术
当核事故发生以后,一个十分紧急和重要的事情就是对现有的核事故所造成的污染区域与污染水平进行评估,以及对未来的辐射场进行预测。现有的核事故评估方法往往单纯依靠预测模型进行评估预测,但由于在核事故早期,源项较难准确获得,且气象场在局地上的不确定度也往往较大。
现有技术中,已有少部分利用气象观测数据来提升气象场精度的研究,但是由于剂量率场的形成不仅仅依赖于气象的输运过程,而且还存在着大量的湍流运动和自身扩散作用,导致评估的剂量率场结果与实际测量之间的出入往往较大。
发明内容
本发明的一个目的是要提供一种能够提高核事故的剂量率场的评估准确度的核事故剂量率场评估方法和装置、电子设备和存储介质。
特别地,本发明提供了一种核事故剂量率场评估方法,其包括:
建立核事故中放射性物质的大气扩散模型;
根据所述大气扩散模型,确定所述核事故剂量率场的初始背景评估场以构建背景矩阵,并计算该背景矩阵的误差协方差矩阵,以及基于获取的观测数据构建观测矩阵,并计算观测场误差协方差矩阵;
对所述背景矩阵的误差协方差矩阵进行系数膨胀,获得改进后的第一误差协方差矩阵;
基于所述第一误差协方差矩阵和观测场误差协方差矩阵,利用同化算法获得核事故剂量率场。
进一步地,所述建立核事故中放射性物质的大气扩散模型包括:
根据高斯烟团模式输入初始参数,对预设时间内的空气浓度场进行预测;
根据地面沉降模式计算地面沉积浓度;
根据剂量转换模式,计算预设时间内的第一剂量率场;
基于所述空气浓度场、地面沉积浓度和第一剂量率场建立所述大气扩散模型。
进一步地,所述计算该背景矩阵的误差协方差矩阵包括:
根据第一公式计算背景场的背景矩阵的误差协方差矩阵,其中第一公式包括:
其中,为n时刻背景场矩阵,矩阵元素为各点的剂量率;为n时刻背景场均值矩阵,At1”为t1时刻的背景场矩阵与背景场均值矩阵之差。
进一步地,所述计算观测场误差协方差矩阵包括:
根据第二公式计算观测场误差协方差矩阵,其中第二公式包括:
其中,E为观测误差集合,N为化算法的集合数。
进一步地,所述对所述背景矩阵的误差协方差矩阵进行系数膨胀包括:
利用第三公式对所述背景矩阵的误差协方差矩阵进行系数膨胀,其中第三公式包括:
其中,A'为第一剂量率场,α为膨胀系数,为背景场集合均值,A为集合背景场。
进一步地,所述对所述背景矩阵的误差协方差矩阵进行系数膨胀包括:
利用第四公式对所述背景矩阵的误差协方差矩阵进行系数膨胀,其中第四公式包括:
Aa=Af+Kn(Yobs-H(Af))
其中,Aa为同化后的剂量率场,Af为背景场,Kn为增益,Yobs为观测矩阵,H(Af)为背景场在观测点坐标处的映射。
进一步地,所述对所述背景矩阵的误差协方差矩阵进行系数膨胀包括:
利用第五公式对所述背景矩阵的误差协方差矩阵进行系数膨胀,其中第五公式包括:
其中,表示tn时刻的分析场,表示tn+1时刻的背景场,tn表示第n个分析时刻。
进一步地,所述基于所述第一误差协方差矩阵和观测场误差协方差矩阵,利用同化算法获得核事故剂量率场包括:
对所述第一误差协方差矩阵和观测场误差协方差矩阵进行分析,获取同化后的剂量率场;
将同化后的剂量率场作为后一时刻的背景场,继续循环获取下一时刻的同化后的剂量率场,直至获得最后时刻内的剂量率场。
另外,本公开还提供了一种核事故剂量率场评估装置,其包括:
模型建立模块,其配置为建立核事故中放射性物质的大气扩散模型;
矩阵计算模块,其配置为基于所述核事故剂量率场的初始背景评估场构建背景矩阵,并计算该背景矩阵的误差协方差矩阵,以及基于获取的观测数据构建观测矩阵,并计算观测场误差协方差矩阵;
数据处理模块,其配置为对所述背景矩阵的误差协方差矩阵进行系数膨胀,获得改进后的第一误差协方差矩阵,并基于所述第一误差协方差矩阵和观测场误差协方差矩阵,利用同化算法获得核事故剂量率场。
进一步地,所述模型建立模块还配置为根据高斯烟团模式输入初始参数,对预设时间内的空气浓度场进行预测,以及根据地面沉降模式计算地面沉积浓度和根据剂量转换模式,计算预设时间内的第一剂量率场;并基于所述空气浓度场、地面沉积浓度和第一剂量率场建立所述大气扩散模型。
另外,本公开还提供了一种电子设备,其包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行上述实施例中任意一项所述的放射性核素扩散计算方法。
另外,本公开还提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述实施例中任意一项所述的核事故剂量率场评估方法。
根据本公开实施例,可以通过引入了实测数据,对模型预测的剂量率场进行修正,可以大大提升评估预测的准确性,欧空通过利用膨胀因子法,可以提升实测数据的影响力,从而降低评估的误差。
根据下文结合附图对本发明具体实施例的详细描述,本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解,这些附图未必是按比例绘制的。附图中:
图1示出根据本公开实施例的一种核事故剂量率场评估方法的原理图;
图2示出根据本公开实施例中核事故剂量率场评估方法的步骤S100的流程图;
图3示出根据本公开实施例中的核事故剂量率场评估方法的步骤S200的流程图;
图4示出根据本公开实施例中的核事故剂量率场评估方法的步骤S300的流程图;
图5示出根据本公开实施例中的核事故剂量率场评估方法的步骤S400的流程图;
图6示出根据本公开实施例的一种核事故剂量率场评估装置的框图;
图7示出根据本公开实施例的一种电子设备的框图。
具体实施方式
图1示出根据本公开实施例的一种核事故剂量率场评估方法的原理图,通过本公开实施例一方面可以引入了核事故后实地测量的空气浓度值和剂量率值;另一方面可以在数据分析过程中采用了膨胀因子策略,其中通过引入了实测数据,对模型预测的剂量率场进行修正,可以大大提升评估预测的准确性,欧空通过利用膨胀因子法,可以提升实测数据的影响力,从而降低评估的误差。
如图1所示,本公开实施例中的核事故剂量率场评估方法可以包括:
S100:建立核事故中放射性物质的大气扩散模型;通过该模型可以预测得到辐射场中各点的剂量率值;
S200:根据所述大气扩散模型,确定所述核事故剂量率场的初始背景评估场构建背景矩阵,并计算该背景矩阵的误差协方差矩阵,以及基于获取的观测数据构建观测矩阵,并计算观测场误差协方差矩阵;
S300:对所述背景矩阵的误差协方差矩阵进行系数膨胀,获得改进后的第一误差协方差矩阵;
S400:基于所述第一误差协方差矩阵和观测场误差协方差矩,利用同化算法阵获得核事故剂量率场。
其中,本公开实施例可以假设核事故发生以后,需要对下风方向预设范围内(如,50km区域内)以及预设时间内(如24小时内)辐射场进行评估,需要估计出剂量率的变化情况出来。同时假定这片区域内设置有预设数量(如25)个剂量率的观测站。由于单纯依靠预测模式进行预测,或者利用这25个剂量率站点的数据进行二维拟合,污染程度和范围均无法达到精度要求,精度均无法达到精度要求,难以反映出辐射场的实时的时空变化规律,因此需要利用二者的信息共同完成。本公开实施例可以假设真实的核事故放射性物质向大气排放的131I释放率为1015Bq/h,风场为下风方向5m/s,抬升高度为200m,放射性物质的沉降速度为1cm/s,无降雨,且恒定不变。由于事故条件下,各种信息是难以获得的,且往往带有较大误差。假定人为估计的释放率为1016Bq/h,其他信息无误,即纯模型预测误差为10倍。
在本公开实施例中,在执行核事故中放射性物质的评估时,可以首先建立放射性物质的大气扩散模型,图2示出根据本公开实施例中核事故剂量率场评估方法的步骤S100的流程图,其中S100可以包括:
S101:根据高斯烟团模式和输入的初始参数,对预设时间内的空气浓度场进行预测,其中,时间间隔为10min;
其中,可以根据放射性物质扩散模型,计算不同时间的放射性物质空气浓度场。
其中,Ca(x,y,z,t)为坐标点(x,y,z)在t时刻的放射性物质空气浸没浓度,即空气浓度场,单位为Bq/m3;(xi,t,yi,t,zi,t)为第i个烟团的中心坐标,各坐标值的单位为m;Qi,t为在第i个烟团的放射性物质总量,等于释放率与烟团间隔时间的乘积,单位为Bq;σxy,i,t和σz,i,t为第i个烟团t时刻在水平和垂直方向的扩散参数,单位为m。
S102:根据地面沉降模式计算地面沉积浓度;
其中,可以利用下式确定地面沉积浓度,
其中,Cd(x,y,z,t)为地面沉积浓度,单位为Bq/m2,Vd为干沉积速度,m/s;Δt为时间积分间隔,单位为s。
S103:根据剂量转换模式,计算预设时间内的剂量率场;
其中,剂量转换模式的表达式为
其中,为某点的剂量率值,Sv/h,Cd为地面沉积浓度,DCFa为空气浸没浓度剂量转换因子,Sv(Bq.s/m3)-1;SFa为人所在的建筑物的屏蔽因子,在户外一般取1。DCFg为空气浸没浓度剂量转换因子,单位为Sv(Bq.s/m3)-1;SFg为人所在的建筑物的屏蔽因子,在户外一般取1。
S104:基于所述空气浓度场、地面沉积浓度和第一剂量率场确定所述大气扩散模型。
通过上述配置,即可以建立核事故中放射性物质的大气扩散模型,进而可以根据观测站点测得的测量值进行误差评估,以获取精确的剂量率值。
在确定了大气扩散模型后,可以根据该大气扩散模型以及各观测站点的剂量率值进一步进行分析,图3示出根据本公开实施例中的核事故剂量率场评估方法的步骤S200的流程图,其中该S200可以包括:
S201:获取剂量率场和实测的剂量率值;
其中,本公开实施例可以将获取剂量率场A的信息,其可以表示关心区域内的各剂量率站点的剂量率集合。
本公开实施例可以基于各剂量率的观测站获取的剂量率值确定剂量率场A,其中A的表达式为:
其中,ψij为第i行第j列的剂量率值,其中单位Sv/h(或Gy/h)。
另外,本公开实施例中可以设定观测变量为D,其用于表示不同地点实测的剂量率值,其中D的表达式为:
D=(d1,d2,.di..dN)∈Rm
其中,di为第i个测量点的观测数据,单位为Sv/h。
S202:获取气象参数,计算水平方向和垂直方向的扩散参数;
其中,获取气象参数包括:获取模型预测所需要的源项Q、气象场(包括不同时间和地点的横向风速Ux,纵向风速Uy)、抬升高度H_z以及不同核素的沉降速度。
并且,计算水平方向的扩散参数可以包括:利用扩散公式计算水平方向的扩散参数σxy,垂直方向的扩散参数σz;扩散公式为:
其中,x为下风向距离,单位为m;γ1、α1、γ2及α2为扩散系数,为无量纲常数。
S203:根据扩散模型获得的第一剂量率场构建剂量率场背景场,即纯模型预测的剂量率场At0,N,At0其为初始背景场。
其中,At0,N=(At0+εn)∈RN,其中,其中,At0,i为第i个集合元素,N为集合数,εi为均值为零的随机误差,N为集合数;
S204:根据观测的剂量率数据构建观测矩阵观测误差为E。
其中,E=(δ1,δ2,...δN)∈Rm×N,以及观测场误差协方差
S205:确定背景矩阵的误差协方差矩阵以及观测场误差协方差矩阵;
其中,可以根据第一公式计算背景场的背景矩阵的误差协方差矩阵,其中第一公式包括:
背景场误差协方差为
其中,为n时刻背景场矩阵,矩阵元素为各点的剂量率;为n时刻背景场均值矩阵,At1”为t1时刻的的背景场矩阵与背景场均值矩阵之差。
以及根据第二公式计算观测场误差协方差矩阵,其中第二公式包括:
其中,E为观测误差集合,N为集合数。
在确定了背景场误差协方差矩阵和观测场误差协方差矩阵之后,可以膨胀系数EnKF(集合卡尔曼滤波)算法对背景场和观测场进行分析,利用观测数据对模型预测结果进行修正。
图4示出根据本公开实施例中的核事故剂量率场评估方法的步骤S300的流程图,其中步骤S300可以包括:
S301:创建状态转移算子,其中状态转移因子M的表达式为:
其中,和分别表示tn与tn-1时刻的模型预测值。
S302:对初始背景场进行状态转移,以及计算集合均值,其中转移公式为:集合均值的表达式为:用于表征某一时间段内或某误差范围内模型预测场的期望值,其中,1N∈RN×N为所有元素均为1/N的矩阵。
S303:基于状态转移后的初始背景场以及集合均值的差值,对所述背景矩阵的误差协方差矩阵进行系数膨胀,获得改进后的第一误差协方差矩阵。
其中,状态转移后的初始背景场以及集合均值的差值为以及利用二维插值算法H(如线性插值,三维样条插值等),将初始背景场的格点上的剂量率,对应到观测站点坐标处,获得其值HAt1。
对和HAt1的差值进行膨胀,经过膨胀后,观测的影响将进一步增强,其中表征背景场误差的扩增。
继而,可以确定更新的剂量率场Aa t1=At1+At1'ST(SST+EET)-1Dt1',其中,
Dt1'=Dt1-HAt1;
其中,Aa t1即为t1时刻的分析场剂量率场,经过观测数据的优化,评估的剂量率场更为准确。
在基于更新的剂量率场重新确定更新后的背景场的第一误差协方差矩阵之后,可以对下一时刻的剂量率场进行预测,其中,图5示出了根据本公开实施例的核事故剂量率场评估方法中的步骤S400的流程图,其中步骤S400可以包括:
S401:对所述第一误差协方差矩阵和观测场误差协方差矩阵进行分析,获取同化后的剂量率场;其中,同化后的剂量率场Aa=Af+Kn(Yobs-H(Af)),其中,Aa为同化后的剂量率场,Af为背景场,Kn为增益,Yobs为观测矩阵,H(Af)为背景场在观测点坐标处的映射。
S402:将同化后的剂量率场作为后一时刻的背景场,继续循环获取下一时刻的同化后的剂量率场,直至获得最后时刻内的剂量率场。例如需要对t2时刻进行预测时,通过下式进行计算:
At2=M2·At1 a
其中,当t2时刻的观测来临时At2则为其背景场。本公开实施例,为了评价辐射场的质量,采用均方根误差(root mean squared error,RMSE)以及相对均方根误差(relativeroot mean squared error,rRMSE)作为评价指标,其值越小,表征预测的辐射场与真实辐射场之间的误差越小。
其中,RMSE为均方根误差;rRMSE为相对均方根误差;k是地理网格坐标点的个数;为辐射场中第i个格点的剂量率值,Sv/h;为第i个格点的剂量率真值,Sv/h。
在本公开的其他实施例中,计算背景场误差协方差矩阵可以包括:利用第三公式对所述背景矩阵的误差协方差矩阵进行系数膨胀,其中第三公式包括:
其中,A为第一剂量率场,α为膨胀系数,为背景场集合均值,A为集合背景场。
在本公开的其他实施例中,所述对所述背景矩阵的误差协方差矩阵进行系数膨胀包括:利用第四公式对所述背景矩阵的误差协方差矩阵进行系数膨胀,其中第四公式包括:
Aa=Af+Kn(Yobs-H(Af))
其中,同化后的剂量率场,Af为背景场,Kn为增益,Yobs为观测矩阵,H(Af)为背景场在观测点坐标处的映射。
在本公开的其他实施例中,所述对所述背景矩阵的误差协方差矩阵进行系数膨胀可以包括:利用第五公式对所述背景矩阵的误差协方差矩阵进行系数膨胀,其中第五公式包括:
其中,表示tn时刻的分析场,表示tn+1时刻的背景场,tn表示第n个分析时刻。
综上所述,本公开实施例一方面可以引入核事故后实地测量的空气浓度值和剂量率值;另一方面可以在数据分析过程中采用了膨胀因子策略,其中通过引入了实测数据,对模型预测的剂量率场进行修正,可以大大提升评估预测的准确性,欧空通过利用膨胀因子法,可以提升实测数据的影响力,从而降低评估的误差。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。
此外,本公开还提供了核事故剂量率场评估、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种核事故剂量率场评估方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
图6示出根据本公开实施例的一种核事故剂量率场评估装置的框图,其中该装置可以包括:
模型建立模块100,其配置为建立核事故中放射性物质的大气扩散模型;
矩阵计算模块200,其配置为基于所述核事故剂量率场的初始背景评估场构建背景矩阵,并计算该背景矩阵的误差协方差矩阵,以及基于获取的观测数据构建观测矩阵,并计算观测场误差协方差矩阵;
数据处理模块300,其配置为对所述背景矩阵的误差协方差矩阵进行系数膨胀,获得改进后的第一误差协方差矩阵,并基于所述第一误差协方差矩阵和观测场误差协方差矩阵获得核事故剂量率场。
在本公开实施例中,所述模型建立模块还配置为根据高斯烟团模式输入初始参数,对预设时间内的空气浓度场进行预测,以及根据地面沉降模式计算地面沉积浓度和根据剂量转换模式,计算预设时间内的第一剂量率场;并基于所述空气浓度场、地面沉积浓度和第一剂量率场建立所述大气扩散模型。
在本公开实施例中,所述数据处理模块进一步配置为对所述第一误差协方差矩阵和观测场误差协方差矩阵进行分析,获取同化后的剂量率场;以及将同化后的剂量率场作为后一时刻的背景场,继续循环获取下一时刻的同化后的剂量率场,直至获得最后时刻内的剂量率场
图7示出根据本公开实施例的一种电子设备的框图。电子设备可以被提供为终端、服务器或其它形态的设备。电子设备可以包括智能行走设备800。例如,该装置800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图7,装置800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制装置800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当装置800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为装置800提供各个方面的状态评估。例如,传感器组件814可以检测到装置800的打开/关闭状态,组件的相对定位,例如所述组件为装置800的显示器和小键盘,传感器组件814还可以检测装置800或装置800一个组件的位置改变,用户与装置800接触的存在或不存在,装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述实施例所述的行走校正方法,例如包括计算机程序指令的存储器804,上述计算机程序指令可由装置800的处理器820执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
至此,本领域技术人员应认识到,虽然本文已详尽示出和描述了本发明的多个示例性实施例,但是,在不脱离本发明精神和范围的情况下,仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此,本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。
Claims (11)
1.一种核事故剂量率场评估方法,其包括:
建立核事故中放射性物质的大气扩散模型;
根据所述大气扩散模型,确定所述核事故剂量率场的初始背景评估场以构建背景矩阵,并计算该背景矩阵的误差协方差矩阵,以及基于获取的观测数据构建观测矩阵,并计算观测场误差协方差矩阵;
对所述背景矩阵的误差协方差矩阵进行系数膨胀,获得改进后的第一误差协方差矩阵;
基于所述第一误差协方差矩阵和观测场误差协方差矩阵,利用同化算法获得核事故剂量率场;
其中,对所述背景矩阵的误差协方差矩阵进行系数膨胀,获得改进后的第一误差协方差矩阵,包括:
创建状态转移算子;
对初始背景场进行状态转移,以及计算集合均值;
基于状态转移后的初始背景场以及集合均值的差值,对所述背景矩阵的误差协方差矩阵进行系数膨胀,获得改进后的第一误差协方差矩阵。
2.根据权利要求1所述的方法,其中,所述建立核事故中放射性物质的大气扩散模型包括:
根据高斯烟团模式输入初始参数,对预设时间内的空气浓度场进行预测;
根据地面沉降模式计算地面沉积浓度;
根据剂量转换模式,计算预设时间内的第一剂量率场;
基于所述空气浓度场、地面沉积浓度和第一剂量率场建立所述大气扩散模型。
3.根据权利要求1所述的方法,其中,所述计算观测场误差协方差矩阵包括:
根据第二公式计算观测场误差协方差矩阵,其中第二公式包括:
其中,E为观测误差集合,N为同化算法的集合数。
4.根据权利要求1所述的方法,其中,所述对所述背景矩阵的误差协方差矩阵进行系数膨胀包括:
利用第三公式对所述背景矩阵的误差协方差矩阵进行系数膨胀,其中第三公式包括:
其中,A'为第一剂量率场,α为膨胀系数,为为背景场集合均值,A为背景场集合。
5.根据权利要求1所述的方法,其中,所述对所述背景矩阵的误差协方差矩阵进行系数膨胀包括:
利用第四公式对所述背景矩阵的误差协方差矩阵进行系数膨胀,其中第四公式包括:
Aa=Af+Kn(Yobs-H(Af))
其中,Aa为同化后的剂量率场,Af为背景场,Kn为增益,Yobs为观测矩阵,H(Af)为背景场在观测点坐标处的映射。
6.根据权利要求1所述的方法,其中,所述对所述背景矩阵的误差协方差矩阵进行系数膨胀包括:
利用第五公式对所述背景矩阵的误差协方差矩阵进行系数膨胀,其中第五公式包括:
其中,表示tn时刻的分析场,表示tn+1时刻的背景场,tn表示第n个分析时刻。
7.根据权利要求1所述的方法,其中,所述基于所述第一误差协方差矩阵和观测场误差协方差矩阵,利用同化算法获得核事故剂量率场包括:
对所述第一误差协方差矩阵和观测场误差协方差矩阵进行分析,获取同化后的剂量率场;
将同化后的剂量率场作为后一时刻的背景场,继续循环获取下一时刻的同化后的剂量率场,直至获得最后时刻内的剂量率场。
8.一种核事故剂量率场评估装置,其包括:
模型建立模块,其配置为建立核事故中放射性物质的大气扩散模型;
矩阵计算模块,其配置为基于所述核事故剂量率场的初始背景评估场构建背景矩阵,并计算该背景矩阵的误差协方差矩阵,以及基于获取的观测数据构建观测矩阵,并计算观测场误差协方差矩阵;
数据处理模块,其配置为对所述背景矩阵的误差协方差矩阵进行系数膨胀,获得改进后的第一误差协方差矩阵,并基于所述第一误差协方差矩阵和观测场误差协方差矩阵,利用同化算法获得核事故剂量率场;
所述数据处理模块还配置为创建状态转移算子,对初始背景场进行状态转移,以及计算集合均值,并基于状态转移后的初始背景场以及集合均值的差值,对所述背景矩阵的误差协方差矩阵进行系数膨胀,获得改进后的第一误差协方差矩阵。
9.根据权利要求8所述的装置,其中,所述模型建立模块还配置为根据高斯烟团模式输入初始参数,对预设时间内的空气浓度场进行预测,以及根据地面沉降模式计算地面沉积浓度和根据剂量转换模式,计算预设时间内的第一剂量率场;并基于所述空气浓度场、地面沉积浓度和第一剂量率场建立所述大气扩散模型。
10.一种核事故剂量率场评估装置,其包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行权利要求1-7中任意一项所述的核事故剂量率场评估方法。
11.一种计算机可读存储介质,其上存储有计算机程序指令,其中,所述计算机程序指令被处理器执行时实现权利要求1-7中任意一项所述的核事故剂量率场评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811239685.XA CN109522609B (zh) | 2018-10-23 | 2018-10-23 | 一种基于膨胀因子的减小核事故剂量率场评估误差的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811239685.XA CN109522609B (zh) | 2018-10-23 | 2018-10-23 | 一种基于膨胀因子的减小核事故剂量率场评估误差的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109522609A CN109522609A (zh) | 2019-03-26 |
CN109522609B true CN109522609B (zh) | 2019-08-16 |
Family
ID=65772361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811239685.XA Active CN109522609B (zh) | 2018-10-23 | 2018-10-23 | 一种基于膨胀因子的减小核事故剂量率场评估误差的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109522609B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104950322A (zh) * | 2015-05-21 | 2015-09-30 | 中国电子科技集团公司第十研究所 | 中长基线gnss接收机高精度相对定位方法 |
CN107526908A (zh) * | 2016-06-21 | 2017-12-29 | 中国辐射防护研究院 | 核事故场外后果评价中拉格朗日烟团大气扩散模拟方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7322015B2 (en) * | 2005-01-05 | 2008-01-22 | Honeywell Internatinal Inc. | Simulating a dose rate event in a circuit design |
CN102004856B (zh) * | 2010-11-27 | 2011-12-21 | 中国海洋大学 | 高频观测资料实时数据的快速集合卡曼滤波同化方法 |
-
2018
- 2018-10-23 CN CN201811239685.XA patent/CN109522609B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104950322A (zh) * | 2015-05-21 | 2015-09-30 | 中国电子科技集团公司第十研究所 | 中长基线gnss接收机高精度相对定位方法 |
CN107526908A (zh) * | 2016-06-21 | 2017-12-29 | 中国辐射防护研究院 | 核事故场外后果评价中拉格朗日烟团大气扩散模拟方法 |
Non-Patent Citations (3)
Title |
---|
"不同模式误差方案在集合Kalman滤波土壤湿度同化中的比较试验";聂肃平等;《大气科学》;20100531;第34卷(第3期);正文第580-590页摘要,第1-2节 |
"减小辐射场剂量率预测不确定度的数据同化研究";袁彪等;《原子能科学技术》;20170630;第51卷(第6期);正文第1110-1115页摘要,第1-2节 |
"扩展Kalman滤波在核事故应急中的数据同化研究";王良瑜等;《2013中国指挥控制大会论文集》;20130805;正文第643-647页第1节 |
Also Published As
Publication number | Publication date |
---|---|
CN109522609A (zh) | 2019-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11048983B2 (en) | Method, terminal, and computer storage medium for image classification | |
CN111983635B (zh) | 位姿确定方法及装置、电子设备和存储介质 | |
CN102647449B (zh) | 基于云服务的智能摄影方法、装置及移动终端 | |
CN108877770A (zh) | 用于测试智能语音设备的方法、装置和系统 | |
CN109166107A (zh) | 一种医学图像分割方法及装置、电子设备和存储介质 | |
US20170351970A1 (en) | Solar irradiation modeling and forecasting using community based terrestrial sky imaging | |
CN109783771B (zh) | 将轨迹序列转换为图像矩阵的处理方法、装置和存储介质 | |
Song et al. | ResNet-LSTM for Real-Time PM 2.5 and PM₁₀ Estimation Using Sequential Smartphone Images | |
CN110503689A (zh) | 姿态预测方法、模型训练方法及装置 | |
WO2019095123A1 (zh) | 用于确定环境的空间划分的方法和设备 | |
CN107508573A (zh) | 晶振振荡频率校正方法及装置 | |
CN106370570A (zh) | 颗粒物测量值的校准方法及装置 | |
Bi et al. | Supplementary open dataset for WiFi indoor localization based on received signal strength | |
CN110657760B (zh) | 基于人工智能的测量空间面积的方法、装置及存储介质 | |
CN110619027A (zh) | 一种房源信息的推荐方法、装置、终端设备及介质 | |
CN108228929A (zh) | 盐穴储气库造腔过程中不溶物堆积形态预测方法及装置 | |
CN109522609B (zh) | 一种基于膨胀因子的减小核事故剂量率场评估误差的方法 | |
CN110166275B (zh) | 信息处理方法、装置及存储介质 | |
CN114449439A (zh) | 一种地下管廊空间的定位方法及装置 | |
CN109883331A (zh) | 车辆标定系统及方法 | |
CN107743219A (zh) | 用户手指位置信息的确定方法及装置、投影仪、投影系统 | |
Yan et al. | A Low-Cost and Efficient Indoor Fusion Localization Method | |
CN110764049A (zh) | 信息处理方法、装置、终端及存储介质 | |
Tian et al. | Application of a long short-term memory neural network algorithm fused with Kalman filter in UWB indoor positioning | |
CN108495262B (zh) | 室内空间泛在定位信号指纹库稀疏表征和匹配定位方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |