CN110221338A - 一种重构屏蔽体周边区域辐射场的方法 - Google Patents
一种重构屏蔽体周边区域辐射场的方法 Download PDFInfo
- Publication number
- CN110221338A CN110221338A CN201910412471.6A CN201910412471A CN110221338A CN 110221338 A CN110221338 A CN 110221338A CN 201910412471 A CN201910412471 A CN 201910412471A CN 110221338 A CN110221338 A CN 110221338A
- Authority
- CN
- China
- Prior art keywords
- reconstruct
- radiation
- neighboring area
- shield
- radiation field
- 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.)
- Granted
Links
- 230000005855 radiation Effects 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000005259 measurement Methods 0.000 claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 7
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000011160 research Methods 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 235000015170 shellfish Nutrition 0.000 description 1
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
- G01T1/16—Measuring radiation intensity
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- High Energy & Nuclear Physics (AREA)
- Molecular Biology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Measurement Of Radiation (AREA)
Abstract
本发明提供一种重构屏蔽体周边区域辐射场的方法,包括如下步骤:S1、通过网函数插值法或者数学构造法实现辐射场的重构;S2、将辐射空间网格化;S3、对屏蔽体周边区域进行采样测量,得到采样点的辐射剂量率值;S4、重构屏蔽体周边辐射场,根据辐射剂量率值,使用贝叶斯推断对屏蔽体周边区域进行辐射剂量率值的二次重构。在已经具备重构辐射场能力的基础上,本发明通过采样测量,利用贝叶斯推断对屏蔽体周边区域辐射场进行二次重构,从而改善屏蔽体周边区域的辐射场。
Description
技术领域
本发明涉及辐射探测技术领域,具体涉及一种重构屏蔽体周边区域辐射场的方法。
背景技术
发展依赖于能源的支持,核能在未来能源结构中正备受青睐。在2016年,世界各国签订《巴黎协定》,这也成为核能进一步发展的促进因素。未来,核能很有可能成为世界上很多国家的能源发展选择。
2017年1月,在智慧核电运营系统研究及示范项目共分为核电高危区域运行智能探测机器人系统、核电维修期间智能辐射防护监控系统、便携式智能核电运行巡检闪测系统等七个研究课题。
对于辐射防护监控及其他与辐射相关的研究课题,辐射场的构建是一个不可回避的问题。2017年9月,蔡杰进等公布了《一种三维辐射场剂量的反演方法》。该方法可以根据采样数据实现辐射场的重构,无需对辐射源项进行反演,方法简单易行。但该方法没有讨论辐射屏蔽的问题,对于屏蔽体周围的区域,根据辐射理论及反演方法描述可知,屏蔽体周围区域会存在误差较大的情况。而对于一些需要精确计算辐射剂量的场合,准确的辐射剂量分布又是必须的。
鉴于此,有必要发明一种重构屏蔽体周边区域辐射场的方法。在已经具备重构辐射场能力的基础上,通过采样测量,利用贝叶斯推断对屏蔽体周边区域的辐射场进行二次重构,从而改善屏蔽体周边区域的辐射场。
发明内容
本发明的目的是为了解决现有技术中的上述缺陷,提供一种重构屏蔽体周边区域辐射场的方法。
本发明至少通过如下技术方案之一实现。
一种重构屏蔽体周边区域辐射场的方法,包括以下步骤:
S1、重构辐射场,通过网函数插值法或者其他可行的方法实现辐射场的重构,重构的辐射场存在一定误差;
S2、空间离散,将辐射空间按一定精度网格化,网格精度越高,计算精度越高,推荐网格精度可为10cm;
S3、采样,对屏蔽体周边区域进行采样测量,得到采样点的辐射剂量率水平;
S4、重构屏蔽体周边辐射场,根据采样测量值,使用贝叶斯推断对屏蔽体周边区域进行辐射剂量率值的二次重构。
进一步地,所述步骤S4中贝叶斯推断方法,具体步骤为:
S41、根据采样测量数据,得到剂量率分布偏差函数其中,表示步骤S3 中采样测量剂量率值,表示步骤S1中重构辐射场的计算值,i=1,2,......,n表示采样点的编号;
S42、推断屏蔽体周围区域内未测量节点的剂量率分布偏差计算公式如下:
其中,脚标j表示未测量节点编号;和为剂量率分布偏差函数先验概率分布平均值,取值设为1;∑vi表示测量协方差,理想化为没有测量误差,设为0;∑0i和∑0ji表示先验概率分布的协方差;
S43、根据剂量率分布偏差值,对屏蔽体周边区域内的节点剂量率水平进行二次重构,其中,为步骤S1中的计算值。
进一步地,所述步骤S42中先验概率分布的协方差计算方式如下:
其中,脚标p和q表示不同的节点;rpq表示节点p和q之间的欧几里得距离;σ为标准差;L为特征距离,且L值是经验参数,L值越大,节点p和q之间的关联程度越高,且σ值和L值可调。
进一步地,所述步骤S42中剂量率分布偏差计算公式是由贝叶斯公式推导得到,贝叶斯公式为:
其中,p(x)为先验概率密度分布;p(v|x)为似然函数;p(x|v)为后验概率密度分布;最大化后验概率密度分布可得到步骤S42中剂量率分布偏差计算公式。
本发明相对于现有技术具有如下的优点及效果:
(1)本发明可以改善重构辐射场,减小重构误差。
(2)本发明可以解决辐射场重构时存在辐射屏蔽的问题。
(3)本发明使用贝叶斯推断,方法简单易行。
附图说明
图1为本发明一种重构屏蔽体周边区域辐射场的方法的流程图;
图2为本发明实施例中的辐射环境;
图3为本发明实施例中Monte Carlo模拟的真实辐射场;
图4为本发明实施例中根据S1步骤产生的重构辐射场;
图5为本发明实施例中根据S3步骤产生的采样测量节点分布;
图6为本发明实施例中根据S4步骤得到的屏蔽体周边区域辐射场二次重构结果。
具体实施方式
下面结合附图对本发明一种重构屏蔽体周边区域辐射场的方法做进一步的描述,但本发明的实施方式并不限于此。
如图1所示,本实施例的一种重构屏蔽体周边区域辐射场的方法,包括如下步骤:
S1、重构辐射场,通过网函数插值法或者其他可行的方法实现辐射场的重构,重构的辐射场存在一定误差;
S2、空间离散,将辐射空间按一定精度网格化,推荐网格精度10cm;
S3、采样,对屏蔽体周边区域使用探测器进行采样测量,得到采样点的辐射剂量率水平;
S4、重构屏蔽体周边辐射场,根据采样测量值,使用贝叶斯推断对屏蔽体周边区域进行辐射剂量率值的二次重构。
所述步骤S4中贝叶斯推断方法,具体步骤为:
S41、根据采样测量数据,得到剂量率分布偏差函数其中,表示步骤S3 中采样测量剂量率值,表示步骤S1中重构辐射场的计算值,i=1,2,......,n表示采样点的编号;
S42、推断屏蔽体周围区域内未测量节点的剂量率分布偏差,计算公式如下:
其中,脚标j表示未测量节点编号;和为剂量率偏差函数先验概率分布平均值,取值设为1;∑vi表示测量协方差,理想化为没有测量误差,设为0;∑0i和∑0ji表示先验概率分布的协方差;
S43、根据剂量率分布偏差,对屏蔽体周边区域内的节点剂量率水平进行二次重构,其中,为步骤S1中的计算值。
所述步骤S42中先验概率的协方差计算方式如下:
其中,脚标p,q表示不同的节点;rpq表示节点p和q之间的欧几里得距离;σ为标准差;L为特征距离,且σ值和L值可调。所述步骤S42中剂量率分布偏差计算公式是由贝叶斯公式推导得到,贝叶斯公式为:
其中,p(x)为先验概率密度分布;p(v|x)为似然函数;p(x|v)为后验概率密度分布,先验概率密度分布、似然函数与后验概率密度分布均为高斯分布。最大化后验概率密度分布可得到步骤S42中剂量率分布偏差计算公式
图2为本实施例中假想的辐射环境,该环境为一个1600cm×900cm×500cm的简化房间,其中阴影部分为混凝土墙壁,内外墙体厚度分别为20cm和40cm,其内有一各向同性中子球体源。图3为使用蒙特卡罗(Monte Carlo)模拟的真实辐射场分布,将其作为实施过程中的判别依据。按照步骤S1所述,使用网函数插值法对辐射环境进行第一次重构,将辐射空间网格化,网格精度设为10cm或根据计算精度进行调整,网格精度越高,计算精度越高,重构结果如图4所示。考虑到辐射屏蔽的影响,需要对第一次重构的辐射场进行二次重构。按照步骤S3,需要对辐射环境进行采样测量,测样测量节点的分布如图5所示,其中A1和A2为需要使用贝叶斯推断二次重构的区域。在采样测量数据的基础上,按照步骤S4可以对屏蔽体周边区域A1和A2的辐射场进行二次重构,其结果如图6所示。
定义平均相对误差ARE与最大相对误差MRE对重构辐射场进行评价:
其中,i和j为网格节点序号;m和n为节点数目;Di,j为重构时计算得到的剂量率数值;Mi,j为Monte Carlo模拟的剂量率数值。对于本实施例,其评价指标具体信息为:
可以看到,对于屏蔽体周边区域A1和A2,经过贝叶斯推断方法二次重构后,辐射场误差得到显著改善。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解的是,在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种等效的变化、修改、替换和变型,本发明的范围由所附权利要求及其等同范围限定。
Claims (4)
1.一种重构屏蔽体周边区域辐射场的方法,其特征在于,所述方法包括以下步骤:
S1、通过网函数插值法或者数学构造法实现辐射场的重构;
S2、将辐射空间网格化;
S3、对屏蔽体周边区域进行采样测量,得到采样点的辐射剂量率值;
S4、重构屏蔽体周边辐射场,根据辐射剂量率值,使用贝叶斯推断对屏蔽体周边区域进行辐射剂量率值的二次重构。
2.根据权利要求1所述一种重构屏蔽体周边区域辐射场的方法,其特征在于,所述步骤S4中贝叶斯推断方法,具体步骤为:
S41、根据采样测量数据,得到剂量率分布偏差函数其中,表示步骤S3中的辐射剂量率值,表示步骤S1中重构辐射场的辐射剂量率值,i=1,2,......,n表示采样点的编号;
S42、推断屏蔽体周围区域未测量网格节点的辐射剂量率分布偏差计算公式如下:
其中,脚标j表示未测量节点编号;和为剂量率分布偏差函数先验概率分布平均值,取值设为1;∑vi表示测量协方差,理想化为没有测量误差,设为0;∑0i和∑0ji表示先验概率分布的协方差;
S43、根据剂量率分布偏差值,对屏蔽体周边区域内的节点剂量率水平进行二次重构,其中,为步骤S1中的辐射剂量率计算值。
3.根据权利要求2所述一种重构屏蔽体周边区域辐射场的方法,其特征在于,所述步骤S42中先验概率分布的协方差计算方式如下:
其中,脚标p和q表示不同的节点;rpq表示节点p和q之间的欧几里得距离;σ为标准差;L为特征距离,节点p和q之间的关联程度越高。
4.根据权利要求2所述一种重构屏蔽体周边区域辐射场的方法,其特征在于,所述步骤S42中剂量率分布偏差计算公式是由贝叶斯公式推导得到,贝叶斯公式为:
其中,p(x)为先验概率密度分布;p(v|x)为似然函数;p(x|v)为后验概率密度分布,最大化后验概率密度分布得到步骤S42中剂量率分布偏差计算公式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910412471.6A CN110221338B (zh) | 2019-05-17 | 2019-05-17 | 一种重构屏蔽体周边区域辐射场的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910412471.6A CN110221338B (zh) | 2019-05-17 | 2019-05-17 | 一种重构屏蔽体周边区域辐射场的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110221338A true CN110221338A (zh) | 2019-09-10 |
CN110221338B CN110221338B (zh) | 2021-02-12 |
Family
ID=67821314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910412471.6A Active CN110221338B (zh) | 2019-05-17 | 2019-05-17 | 一种重构屏蔽体周边区域辐射场的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110221338B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110073763A1 (en) * | 2009-09-14 | 2011-03-31 | Muralidhara Subbarao | Method and apparatus for high-sensitivity Single-Photon Emission Computed Tomography |
CN107797132A (zh) * | 2017-09-13 | 2018-03-13 | 华南理工大学 | 一种三维辐射场剂量的反演方法 |
CN107885913A (zh) * | 2017-10-25 | 2018-04-06 | 中广核核电运营有限公司 | 辐射场屏蔽方案可行性判别方法、装置、计算机设备及存储介质 |
CN109239757A (zh) * | 2018-10-08 | 2019-01-18 | 西安交通大学 | 一种强脉冲伽马辐射剂量场分布测量与诊断装置及方法 |
CN109471147A (zh) * | 2018-09-25 | 2019-03-15 | 中国辐射防护研究院 | 一种基于变权重离散的γ剂量率计算方法及系统 |
-
2019
- 2019-05-17 CN CN201910412471.6A patent/CN110221338B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110073763A1 (en) * | 2009-09-14 | 2011-03-31 | Muralidhara Subbarao | Method and apparatus for high-sensitivity Single-Photon Emission Computed Tomography |
CN107797132A (zh) * | 2017-09-13 | 2018-03-13 | 华南理工大学 | 一种三维辐射场剂量的反演方法 |
CN107885913A (zh) * | 2017-10-25 | 2018-04-06 | 中广核核电运营有限公司 | 辐射场屏蔽方案可行性判别方法、装置、计算机设备及存储介质 |
CN109471147A (zh) * | 2018-09-25 | 2019-03-15 | 中国辐射防护研究院 | 一种基于变权重离散的γ剂量率计算方法及系统 |
CN109239757A (zh) * | 2018-10-08 | 2019-01-18 | 西安交通大学 | 一种强脉冲伽马辐射剂量场分布测量与诊断装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110221338B (zh) | 2021-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109063741B (zh) | 一种基于希尔伯特曲线变换与深度学习的能谱分析方法 | |
Airapetian et al. | Azimuthal distributions of charged hadrons, pions, and kaons produced in deep-inelastic scattering off unpolarized protons and deuterons | |
CN105607111B (zh) | 一种γ核素识别方法 | |
Conte et al. | Track structure of light ions: experiments and simulations | |
Li et al. | Bayesian soft x-ray tomography using non-stationary Gaussian processes | |
CN107837090B (zh) | 计算机断层成像中基于正弦图的散射射线校正 | |
Böhm et al. | Effect of non-Gaussian lensing deflections on CMB lensing measurements | |
Aschwanden | The vertical-current approximation nonlinear force-free field code—description, performance tests, and measurements of magnetic energies dissipated in solar flares | |
CN108983279A (zh) | 一种基于碘化钠探测器的低本底解谱方法 | |
Singh et al. | Inverse modelling for identification of multiple-point releases from atmospheric concentration measurements | |
CN110133703A (zh) | 一种基于BP神经网络和蒙特卡洛算法的γ射线剂量测量方法 | |
CN109521456B (zh) | 一种基于正则化最小二乘法的γ辐射源项反演方法及系统 | |
Pan et al. | Pointing probability driven semi-analytic Monte Carlo method (PDMC)–Part I: global variance reduction for large-scale radiation transport analysis | |
CN110221338A (zh) | 一种重构屏蔽体周边区域辐射场的方法 | |
Hanson et al. | Estimators for the Cauchy distribution | |
Schilling et al. | Soft x-ray tomograms are consistent with the magneto-hydrodynamic equilibrium in the Wendelstein 7-X stellarator | |
Cook et al. | Particle filtering convergence results for radiation source detection | |
Kowash | A rotating modulation imager for the orphan source search problem | |
Liu et al. | Virtual reality-based adaptive dose assessment method for arbitrary geometries in nuclear facility decommissioning | |
Lazos et al. | Machine learning for proton path tracking in proton computed tomography | |
Mundy et al. | An accelerated threshold‐based back‐projection algorithm for Compton camera image reconstruction | |
Furuya et al. | Inverse medium scattering problems with Kalman filter techniques II. Nonlinear case | |
Feng et al. | Synthesize monochromatic images in spectral CT by dual-domain deep learning | |
He et al. | Impact of humidity and flowrate on the thoron measurement sensitivity of electrostatic radon monitors | |
Bachoc et al. | Hastings-Metropolis algorithm on Markov chains for small-probability estimation |
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 | ||
OL01 | Intention to license declared | ||
OL01 | Intention to license declared |