CN112115622A - 一种融合实测数据的辐射剂量场分布评估方法及系统 - Google Patents
一种融合实测数据的辐射剂量场分布评估方法及系统 Download PDFInfo
- Publication number
- CN112115622A CN112115622A CN202011054858.8A CN202011054858A CN112115622A CN 112115622 A CN112115622 A CN 112115622A CN 202011054858 A CN202011054858 A CN 202011054858A CN 112115622 A CN112115622 A CN 112115622A
- Authority
- CN
- China
- Prior art keywords
- probability
- radiation dose
- distribution
- energy spectrum
- dose 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 178
- 238000011156 evaluation Methods 0.000 title claims abstract description 35
- 238000001228 spectrum Methods 0.000 claims abstract description 105
- 238000012937 correction Methods 0.000 claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000005259 measurement Methods 0.000 claims abstract description 30
- 238000004088 simulation Methods 0.000 claims abstract description 13
- 238000012544 monitoring process Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 9
- 230000003595 spectral effect Effects 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 5
- 238000012986 modification Methods 0.000 claims description 2
- 230000004048 modification Effects 0.000 claims description 2
- 238000000354 decomposition reaction Methods 0.000 claims 1
- 238000013461 design Methods 0.000 abstract description 11
- 238000005457 optimization Methods 0.000 abstract description 8
- 238000004364 calculation method Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000941 radioactive substance Substances 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Images
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
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Hardware Design (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Measurement Of Radiation (AREA)
Abstract
本申请涉及一种融合实测数据的辐射剂量场分布评估方法及系统,涉及辐射剂量场分布评估技术领域,该方法包括以下步骤:获得多个概率拆分子阈值;将多个能谱分布概率与多个概率拆分子阈值进行一一叠加,获得多个与待评估子空间相对应的能谱分布修正概率;获得对应的能谱分布修正概率组合,并根据各能谱分布修正概率组合获得对应的辐射剂量场模拟分布情况;将辐射剂量场模拟分布情况与监测获得的辐射剂量场测量分布情况进行比对,将两者误差最小时对应的辐射剂量场模拟分布情况作为辐射剂量场实际分布情况。本申请通过软件模拟数据与实时测量数据的比对,获得准确度较高的辐射剂量场评估结果,为核电工作人员的辐照剂量评估与屏蔽设计优化提供指导。
Description
技术领域
本发明涉及辐射剂量场分布评估技术领域,具体涉及一种融合实测数据的辐射剂量场分布评估方法及系统。
背景技术
在核电运行过程中,会产生许多具有放射性的物质,对人体或电子设备造成损伤,一般称此类物质为辐射源项。在核电站或者核动力船舶中,一般需要计算辐射源项的辐射剂量场,便于进行合理辐射分区,确保工作人员受到的辐照剂量不超过标准规定的限值并保持在合理可行尽量低的水平;同时,根据辐射剂量场分布,确定辐射超过标准的部位,指导与优化屏蔽设计。
现阶段,辐射剂量场一般包括两种方法;
第一:基于蒙特卡罗计算方法的MCNP软件程序计算得到。其中,程序输入包括:辐射源项的几何分布、能谱分布;房间或舱室结构、材料、尺寸;输出包括:本房间或舱室辐射源项的辐射剂量场分布。一般情况下,在此计算过程中,辐射源项的几何分布,房间或舱室结构、材料、尺寸,都是能够实际测量并固定不变的,但是辐射源项的能谱分布往往不能直接测量,一般是基于经验进行估计,存在一定误差,所以造成经MCNP程序计算的辐射剂量场分布不够精准。
第二,按照实时测量应力方式,在辐射源项所在的房间或舱室内布置若干核辐射传感器,按照测量结果评估辐射剂量场分布,但是在房间或舱室内传感器布置数量有限,辐射剂量场也难以准确评估。
因此,基于现有技术手段的缺陷,现提供一新的辐射剂量场分布评估技术方案。
发明内容
本申请实施例提供一种融合实测数据的辐射剂量场分布评估方法及系统,通过软件模拟数据与实时测量数据的比对,获得准确度较高的辐射剂量场评估结果,为核电工作人员的辐照剂量评估与屏蔽设计优化提供指导。
第一方面,提供了一种融合实测数据的辐射剂量场分布评估方法,所述方法包括以下步骤
对预设的概率浮动阈值的概率浮动阈值范围进行等差拆分处理,获得多个概率拆分子阈值;
获得多个与待评估子空间相对应的能谱分布概率,将多个所述能谱分布概率与多个所述概率拆分子阈值进行一一叠加,获得多个与待评估子空间相对应的能谱分布修正概率,各所述能谱分布概率的总和以及各所述能谱分布修正概率的总和均为1;
根据各所述能谱分布修正概率,获得对应的能谱分布修正概率组合,并根据各所述能谱分布修正概率组合获得对应的辐射剂量场模拟分布情况;
将所述辐射剂量场模拟分布情况与监测获得的辐射剂量场测量分布情况进行比对,将两者误差最小时对应的所述辐射剂量场模拟分布情况作为辐射剂量场实际分布情况。
具体的,对预设的概率浮动阈值进行等差拆分处理,获得多个概率拆分子阈值,具体包括以下步骤:
获得所述概率浮动阈值的上限值和下限值,并设定所述概率拆分子阈值之间的间隔值;
根据所述概率浮动阈值的上限值和下限值以及所述概率拆分子阈值之间的间隔值,对所述概率浮动阈值进行等差式步进式拆分,获得多个所述概率拆分子阈值。
优选的,所述概率浮动阈值为δ=±n%,所述概率浮动阈值的上限值为δ上限=+n%,所述概率浮动阈值的下限值为δ下限=-n%;
所述概率拆分子阈值之间的间隔值为1%,
多个所述概率拆分子阈值分别为-n%,-n+1%,…+n-1%,+n%。
具体的,获得多个与待评估子空间相对应的能谱分布概率,将多个所述能谱分布概率与多个所述概率拆分子阈值进行一一叠加,获得多个与待评估子空间相对应的能谱分布修正概率中:
所述能谱分布概率分别为P′(E0~E1)、P′(E1~E2)…P′(Em-1~Em),
所述能谱分布修正概率分别为P(E0~E1)、P(E1~E2)…P(Em-1~Em);
P(E0~E1)=P′(E0~E1)+δ1,δ1为P(E0~E1)对应的所述概率拆分子阈值,δ1从-n%到+n%,逐次递增1%;
P(E1~E2)=P′(E1~E2)+δ2,δ2为P(E1~E2)对应的所述概率拆分子阈值,δ2从-n%到+n%,逐次递增1%;
…
P(Em-2~Em-1)=P′(Em-2~Em-1)+δm-1,δm-1为P(Em-1~Em-2)对应的所述概率拆分子阈值,δm-1从-n%到+n%,逐次递增1%;
P(Em-1~Em)=P′(Em-1~Em)+δm;其中,
δm=-(δ1+δ2+...+δm-1);
m为所述待评估子空间的个数。
具体的,根据各所述能谱分布修正概率,获得对应的能谱分布修正概率组合中:
所述能谱分布修正概率组合共有(2n+1)m-1种组合方式。
具体的,所述辐射剂量场模拟分布情况包括多个模拟辐射剂量率;
所述辐射剂量场测量分布情况包括多个测量辐射剂量率。
具体的,假设存在k个测量点,所述模拟辐射剂量率分别为f′(x1,y1,z1),f′(x2,y2,z2)…f′(xk,yk,zk);
多个所述测量辐射剂量率分别为f(x1,y1,z1),f(x2,y2,z2)…f(xk,yk,zk);
多个所述模拟辐射剂量率与多个所述模拟辐射剂量率的总误差记为Δ:
进一步的,所述获得多个与待评估子空间相对应的能谱分布概率之前,还包括以下步骤:
将待评估空间划分为多个待评估子空间。
第二方面,提供了一种融合实测数据的辐射剂量场分布评估系统,所述系统包括:
概率浮动阈值拆分单元,其用于对预设的概率浮动阈值的概率浮动阈值范围进行等差拆分处理,获得多个概率拆分子阈值;
修正概率获取单元,其用于获得多个与待评估子空间相对应的能谱分布概率,将多个所述能谱分布概率与多个所述概率拆分子阈值进行一一叠加,获得多个与待评估子空间相对应的能谱分布修正概率,各所述能谱分布概率的总和以及各所述能谱分布修正概率的总和均为1;
模拟分布情况分析单元,其用于根据各所述能谱分布修正概率,获得对应的能谱分布修正概率组合,并根据各所述能谱分布修正概率组合获得对应的辐射剂量场模拟分布情况;
实际分布情况分析单元,其用于将所述辐射剂量场模拟分布情况与监测获得的辐射剂量场测量分布情况进行比对,将两者误差最小时对应的所述辐射剂量场模拟分布情况作为辐射剂量场实际分布情况。
具体的,所述概率浮动阈值拆分单元,其用于获得所述概率浮动阈值的上限值和下限值,并设定所述概率拆分子阈值之间的间隔值;
所述概率浮动阈值拆分单元,其用于根据所述概率浮动阈值的上限值和下限值以及所述概率拆分子阈值之间的间隔值,对所述概率浮动阈值进行等差式步进式拆分,获得多个所述概率拆分子阈值。
本申请提供的技术方案带来的有益效果包括:
本申请提供了一种融合实测数据的辐射剂量场分布评估方法及系统,通过软件模拟数据与实时测量数据的比对,获得准确度较高的辐射剂量场评估结果,为核电工作人员的辐照剂量评估与屏蔽设计优化提供指导。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例1提供的融合实测数据的辐射剂量场分布评估方法的步骤流程图;
图2为本申请实施例1提供的融合实测数据的辐射剂量场分布评估方法中步骤A1~A2的步骤流程图;
图3为本申请实施例1提供的融合实测数据的辐射剂量场分布评估方法中核辐射传感器分布示意图;
图4为本申请实施例1提供的融合实测数据的辐射剂量场分布评估方法的原理流程图;
图5为本申请实施例2提供的融合实测数据的辐射剂量场分布评估系统的结构框图;
附图标记:
1、概率浮动阈值拆分单元;2、修正概率获取单元;3、模拟分布情况分析单元;4、实际分布情况分析单元。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
以下结合附图对本发明的实施例作进一步详细说明。
本发明实施例提供一种融合实测数据的辐射剂量场分布评估方法及系统,通过软件模拟数据与实时测量数据的比对,获得准确度较高的辐射剂量场评估结果,为核电工作人员的辐照剂量评估与屏蔽设计优化提供指导。
为达到上述技术效果,本申请的总体思路如下:
一种融合实测数据的辐射剂量场分布评估方法,该方法包括以下步骤:
S1、对预设的概率浮动阈值的概率浮动阈值范围进行等差拆分处理,获得多个概率拆分子阈值;
S2、获得多个与待评估子空间相对应的能谱分布概率,将多个所述能谱分布概率与多个所述概率拆分子阈值进行一一叠加,获得多个与待评估子空间相对应的能谱分布修正概率,各所述能谱分布概率的总和以及各所述能谱分布修正概率的总和均为1;
S3、根据各所述能谱分布修正概率,获得对应的能谱分布修正概率组合,并根据各所述能谱分布修正概率组合获得对应的辐射剂量场模拟分布情况;
S4、将所述辐射剂量场模拟分布情况与监测获得的辐射剂量场测量分布情况进行比对,将两者误差最小时对应的所述辐射剂量场模拟分布情况作为辐射剂量场实际分布情况。
以下结合附图对本发明的实施例作进一步详细说明。
实施例1
参见图1~4所示,本发明实施例提供一种融合实测数据的辐射剂量场分布评估方法,该方法包括以下步骤:
S1、对预设的概率浮动阈值的概率浮动阈值范围进行等差拆分处理,获得多个概率拆分子阈值;
S2、获得多个与待评估子空间相对应的能谱分布概率,将多个能谱分布概率与多个概率拆分子阈值进行一一叠加,获得多个与待评估子空间相对应的能谱分布修正概率,各能谱分布概率的总和以及各能谱分布修正概率的总和均为1;
S3、根据各能谱分布修正概率,获得对应的能谱分布修正概率组合,并根据各能谱分布修正概率组合获得对应的辐射剂量场模拟分布情况;
S4、将辐射剂量场模拟分布情况与监测获得的辐射剂量场测量分布情况进行比对,将两者误差最小时对应的辐射剂量场模拟分布情况作为辐射剂量场实际分布情况。
其中,辐射剂量场模拟分布情况包括多个模拟辐射剂量率;
辐射剂量场测量分布情况包括多个测量辐射剂量率。
进一步的,获得多个与待评估子空间相对应的能谱分布概率之前,还包括以下步骤:
将待评估空间划分为多个待评估子空间,以便设计测量点和设立核辐射传感器。
本申请实施例中,通过软件模拟数据与实时测量数据的比对,获得准确度较高的辐射剂量场评估结果,为核电工作人员的辐照剂量评估与屏蔽设计优化提供指导。
具体的,对预设的概率浮动阈值进行等差拆分处理,获得多个概率拆分子阈值,具体包括以下步骤:
A1、获得概率浮动阈值的上限值和下限值,并设定概率拆分子阈值之间的间隔值;
A2、根据概率浮动阈值的上限值和下限值以及概率拆分子阈值之间的间隔值,对概率浮动阈值进行等差式步进式拆分,获得多个概率拆分子阈值。
在需要评估的辐射剂量场即待评估空间,诸如核电站房间或者核动力船舶舱室中,围绕辐射源项布置k个核辐射传感器,得到k个位置点的辐射剂量f(x1,y1,z1),f(x2,y2,z2)…f(xk,yk,zk),从而获得监测获得的辐射剂量场测量分布情况。
针对MCNP软件程序,在输入方面,由于辐射源项的能谱分布往往不能直接测量,而是基于经验进行估计,从而造成输出方面的误差。能谱分布是辐射源项的光子在连续能量区间上的概率分布,即将光子的能量E分为m个区间:[E0,E1]、[E1,E2]…[Em-1,Em];
而在这些区间上对应的概率P分别是P(E0~E1)、P(E1~E2)…P(Em-1~Em),其中,
P(E0~E1)+P(E1~E2)+...+P(Em-1~Em)=1;
对于辐射源项来说,基于经验估计的能谱分布为:P′(E0~E1)、P′(E1~E2)…P′(Em-1~Em),其中,
P′(E0~E1)+P′(E1~E2)+...+P′(Em-1~Em)=1。
一般情况下,每个能量区间的概率都在经验估计值上下浮动,记浮动阈值δ=±n%(n记为正整数,一般不大于5),并逐次递增1%;
故而,概率浮动阈值为δ=±n%,即概率浮动阈值的概率浮动阈值范围为-n%~+n%,概率浮动阈值的上限值为δ上限=+n%,概率浮动阈值的下限值为δ下限=-n%;
概率拆分子阈值之间的间隔值为1%,
多个概率拆分子阈值分别为-n%,-n+1%,…+n-1%,+n%。
那么,对应的,获得多个与待评估子空间相对应的能谱分布概率,将多个能谱分布概率与多个概率拆分子阈值进行一一叠加,获得多个与待评估子空间相对应的能谱分布修正概率中:
能谱分布概率分别为P′(E0~E1)、P′(E1~E2)…P′(Em-1~Em),
能谱分布修正概率分别为P(E0~E1)、P(E1~E2)…P(Em-1~Em);
P(E0~E1)=P′(E0~E1)+δ1,δ1为P(E0~E1)对应的概率拆分子阈值,δ1从-n%到+n%,逐次递增1%;
P(E1~E2)=P′(E1~E2)+δ2,δ2为P(E1~E2)对应的概率拆分子阈值,δ2从-n%到+n%,逐次递增1%;
…
P(Em-2~Em-1)=P′(Em-2~Em-1)+δm-1,δm-1为P(Em-1~Em-2)对应的概率拆分子阈值,δm-1从-n%到+n%,逐次递增1%;
P(Em-1~Em)=P′(Em-1~Em)+δm;其中,
δm=-(δ1+δ2+...+δm-1);
m为待评估子空间的个数;
辐射源项的能谱分布共有(2n+1)×(2n+1)×...×(2n+1)×1=(2n+1)m-1种选择。
需要说明的是,根据各能谱分布修正概率,获得对应的能谱分布修正概率组合中:
能谱分布修正概率组合共有(2n+1)m-1种组合方式;
故而,通过软件模拟时,在待评估空间内,辐射源项的几何分布,房间或舱室结构、材料、尺寸,通过实际测量确定,而辐射源项的能谱分布共有(2n+1)m-1种选择,输入至MCNP软件程序中,运用高性能服务器计算得到(2n+1)m-1种辐射剂量场分布f′(x,y,z),其中(x,y,z)代表空间坐标。
具体的,假设存在k个测量点,
针对k个测量点,经过MCNP软件模拟计算后,模拟辐射剂量率分别为f′(x1,y1,z1),f′(x2,y2,z2)…f′(xk,yk,zk);
针对k个测量点,根据核辐射传感器实际测量的多个测量辐射剂量率分别为f(x1,y1,z1),f(x2,y2,z2)…f(xk,yk,zk);
多个模拟辐射剂量率与多个模拟辐射剂量率的总误差记为Δ:
针对(2n+1)m-1种软件计算的辐射剂量率,共有(2n+1)m-1种总误差Δ;
用最小值比较器确定总误差Δ的最小值,此最小值对应的能谱分布Pz(E0~E1)、Pz(E1~E2)…Pz(Em-1~Em)即为辐射源项的最优能谱分布,而其对应的辐射剂量场分布即为高精度的辐射剂量场分布,能够较好契合实际情况;
以此辐射剂量场分布为基础,能够有效为核电工作人员的辐照剂量评估与辐射源项的屏蔽设计优化提供指导。
实施例2
参见图5所示,本发明实施例提供一种基于实施例1的融合实测数据的辐射剂量场分布评估系统,该系统包括:
概率浮动阈值拆分单元1,其用于对预设的概率浮动阈值的概率浮动阈值范围进行等差拆分处理,获得多个概率拆分子阈值;
修正概率获取单元2,其用于获得多个与待评估子空间相对应的能谱分布概率,将多个能谱分布概率与多个概率拆分子阈值进行一一叠加,获得多个与待评估子空间相对应的能谱分布修正概率,各能谱分布概率的总和以及各能谱分布修正概率的总和均为1;
模拟分布情况分析单元3,其用于根据各能谱分布修正概率,获得对应的能谱分布修正概率组合,并根据各能谱分布修正概率组合获得对应的辐射剂量场模拟分布情况;
实际分布情况分析单元4,其用于将辐射剂量场模拟分布情况与监测获得的辐射剂量场测量分布情况进行比对,将两者误差最小时对应的辐射剂量场模拟分布情况作为辐射剂量场实际分布情况。
其中,辐射剂量场模拟分布情况包括多个模拟辐射剂量率;
辐射剂量场测量分布情况包括多个测量辐射剂量率。
进一步的,获得多个与待评估子空间相对应的能谱分布概率之前,还需要将待评估空间划分为多个待评估子空间,以便设计测量点和设立核辐射传感器。
本申请实施例中,通过软件模拟数据与实时测量数据的比对,获得准确度较高的辐射剂量场评估结果,为核电工作人员的辐照剂量评估与屏蔽设计优化提供指导。
具体的,概率浮动阈值拆分单元1,其用于获得概率浮动阈值的上限值和下限值,并设定概率拆分子阈值之间的间隔值;
概率浮动阈值拆分单元1,其用于根据概率浮动阈值的上限值和下限值以及概率拆分子阈值之间的间隔值,对概率浮动阈值进行等差式步进式拆分,获得多个概率拆分子阈值。
在需要评估的辐射剂量场即待评估空间,诸如核电站房间或者核动力船舶舱室中,围绕辐射源项布置k个核辐射传感器,得到k个位置点的辐射剂量f(x1,y1,z1),f(x2,y2,z2)…f(xk,yk,zk),从而获得监测获得的辐射剂量场测量分布情况。
针对MCNP软件程序,在输入方面,由于辐射源项的能谱分布往往不能直接测量,而是基于经验进行估计,从而造成输出方面的误差。能谱分布是辐射源项的光子在连续能量区间上的概率分布,即将光子的能量E分为m个区间:[E0,E1]、[E1,E2]…[Em-1,Em];
而在这些区间上对应的概率P分别是P(E0~E1)、P(E1~E2)…P(Em-1~Em),其中,
P(E0~E1)+P(E1~E2)+...+P(Em-1~Em)=1;
对于辐射源项来说,基于经验估计的能谱分布为:P′(E0~E1)、P′(E1~E2)…P′(Em-1~Em),其中,
P′(E0~E1)+P′(E1~E2)+...+P′(Em-1~Em)=1。
一般情况下,每个能量区间的概率都在经验估计值上下浮动,记浮动阈值δ=±n%(n记为正整数,一般不大于5),并逐次递增1%;
故而,概率浮动阈值为δ=±n%,即概率浮动阈值的概率浮动阈值范围为-n%~+n%,概率浮动阈值的上限值为δ上限=+n%,概率浮动阈值的下限值为δ下限=-n%;
概率拆分子阈值之间的间隔值为1%,
多个概率拆分子阈值分别为-n%,-n+1%,…+n-1%,+n%。
那么,对应的,获得多个与待评估子空间相对应的能谱分布概率,将多个能谱分布概率与多个概率拆分子阈值进行一一叠加,获得多个与待评估子空间相对应的能谱分布修正概率中:
能谱分布概率分别为P′(E0~E1)、P′(E1~E2)…P′(Em-1~Em),
能谱分布修正概率分别为P(E0~E1)、P(E1~E2)…P(Em-1~Em);
P(E0~E1)=P′(E0~E1)+δ1,δ1为P(E0~E1)对应的概率拆分子阈值,δ1从-n%到+n%,逐次递增1%;
P(E1~E2)=P′(E1~E2)+δ2,δ2为P(E1~E2)对应的概率拆分子阈值,δ2从-n%到+n%,逐次递增1%;
…
P(Em-2~Em-1)=P′(Em-2~Em-1)+δm-1,δm-1为P(Em-1~Em-2)对应的概率拆分子阈值,δm-1从-n%到+n%,逐次递增1%;
P(Em-1~Em)=P′(Em-1~Em)+δm;其中,
δm=-(δ1+δ2+...+δm-1);
m为待评估子空间的个数;
辐射源项的能谱分布共有(2n+1)×(2n+1)×...×(2n+1)×1=(2n+1)m-1种选择。
需要说明的是,根据各能谱分布修正概率,获得对应的能谱分布修正概率组合中:
能谱分布修正概率组合共有(2n+1)m-1种组合方式;
故而,通过软件模拟时,在待评估空间内,辐射源项的几何分布,房间或舱室结构、材料、尺寸,通过实际测量确定,而辐射源项的能谱分布共有(2n+1)m-1种选择,输入至MCNP软件程序中,运用高性能服务器计算得到(2n+1)m-1种辐射剂量场分布f′(x,y,z),其中(x,y,z)代表空间坐标。
具体的,假设存在k个测量点,
针对k个测量点,经过MCNP软件模拟计算后,模拟辐射剂量率分别为f′(x1,y1,z1),f′(x2,y2,z2)…f′(xk,yk,zk);
针对k个测量点,根据核辐射传感器实际测量的多个测量辐射剂量率分别为f(x1,y1,z1),f(x2,y2,z2)…f(xk,yk,zk);
多个模拟辐射剂量率与多个模拟辐射剂量率的总误差记为Δ:
针对(2n+1)m-1种软件计算的辐射剂量率,共有(2n+1)m-1种总误差Δ;
用最小值比较器确定总误差Δ的最小值,此最小值对应的能谱分布Pz(E0~E1)、Pz(E1~E2)…Pz(Em-1~Em)即为辐射源项的最优能谱分布,而其对应的辐射剂量场分布即为高精度的辐射剂量场分布,能够较好契合实际情况;
以此辐射剂量场分布为基础,能够有效为核电工作人员的辐照剂量评估与辐射源项的屏蔽设计优化提供指导。
需要说明的是,在本申请中,诸如术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种融合实测数据的辐射剂量场分布评估方法,其特征在于,所述方法包括以下步骤:
对预设的概率浮动阈值的概率浮动阈值范围进行等差拆分处理,获得多个概率拆分子阈值;
获得多个与待评估子空间相对应的能谱分布概率,将多个所述能谱分布概率与多个所述概率拆分子阈值进行一一叠加,获得多个与待评估子空间相对应的能谱分布修正概率,各所述能谱分布概率的总和以及各所述能谱分布修正概率的总和均为1;
根据各所述能谱分布修正概率,获得对应的能谱分布修正概率组合,并根据各所述能谱分布修正概率组合获得对应的辐射剂量场模拟分布情况;
将所述辐射剂量场模拟分布情况与监测获得的辐射剂量场测量分布情况进行比对,将两者误差最小时对应的所述辐射剂量场模拟分布情况作为辐射剂量场实际分布情况。
2.如权利要求1所述的融合实测数据的辐射剂量场分布评估方法,其特征在于,对预设的概率浮动阈值进行等差拆分处理,获得多个概率拆分子阈值,具体包括以下步骤:
获得所述概率浮动阈值的上限值和下限值,并设定所述概率拆分子阈值之间的间隔值;
根据所述概率浮动阈值的上限值和下限值以及所述概率拆分子阈值之间的间隔值,对所述概率浮动阈值进行等差式步进式拆分,获得多个所述概率拆分子阈值。
3.如权利要求2所述的融合实测数据的辐射剂量场分布评估方法,其特征在于:
所述概率浮动阈值为δ=±n%,所述概率浮动阈值的上限值为δ上限=+n%,所述概率浮动阈值的下限值为δ下限=-n%;
所述概率拆分子阈值之间的间隔值为1%,
多个所述概率拆分子阈值分别为-n%,-n+1%,…+n-1%,+n%。
4.如权利要求1所述的融合实测数据的辐射剂量场分布评估方法,其特征在于,获得多个与待评估子空间相对应的能谱分布概率,将多个所述能谱分布概率与多个所述概率拆分子阈值进行一一叠加,获得多个与待评估子空间相对应的能谱分布修正概率中:
所述能谱分布概率分别为P′(E0~E1)、P′(E1~E2)…P′(Em-1~Em),
所述能谱分布修正概率分别为P(E0~E1)、P(E1~E2)…P(Em-1~Em);
P(E0~E1)=P′(E0~E1)+δ1,δ1为P(E0~E1)对应的所述概率拆分子阈值,δ1从-n%到+n%,逐次递增1%;
P(E1~E2)=P′(E1~E2)+δ2,δ2为P(E1~E2)对应的所述概率拆分子阈值,δ2从-n%到+n%,逐次递增1%;
…
P(Em-2~Em-1)=P′(Em-2~Em-1)+δm-1,δm-1为P(Em-1~Em-2)对应的所述概率拆分子阈值,δm-1从-n%到+n%,逐次递增1%;
P(Em-1~Em)=P′(Em-1~Em)+δm;其中,
δm=-(δ1+δ2+...+δm-1);
m为所述待评估子空间的个数。
5.如权利要求4所述的融合实测数据的辐射剂量场分布评估方法,其特征在于,根据各所述能谱分布修正概率,获得对应的能谱分布修正概率组合中:
所述能谱分布修正概率组合共有(2n+1)m-1种组合方式。
6.如权利要求1所述的融合实测数据的辐射剂量场分布评估方法,其特征在于:
所述辐射剂量场模拟分布情况包括多个模拟辐射剂量率;
所述辐射剂量场测量分布情况包括多个测量辐射剂量率。
8.如权利要求1所述的融合实测数据的辐射剂量场分布评估方法,其特征在于,所述获得多个与待评估子空间相对应的能谱分布概率之前,还包括以下步骤:
将待评估空间划分为多个待评估子空间。
9.一种融合实测数据的辐射剂量场分布评估系统,其特征在于,所述系统包括:
概率浮动阈值拆分单元,其用于对预设的概率浮动阈值的概率浮动阈值范围进行等差拆分处理,获得多个概率拆分子阈值;
修正概率获取单元,其用于获得多个与待评估子空间相对应的能谱分布概率,将多个所述能谱分布概率与多个所述概率拆分子阈值进行一一叠加,获得多个与待评估子空间相对应的能谱分布修正概率,各所述能谱分布概率的总和以及各所述能谱分布修正概率的总和均为1;
模拟分布情况分析单元,其用于根据各所述能谱分布修正概率,获得对应的能谱分布修正概率组合,并根据各所述能谱分布修正概率组合获得对应的辐射剂量场模拟分布情况;
实际分布情况分析单元,其用于将所述辐射剂量场模拟分布情况与监测获得的辐射剂量场测量分布情况进行比对,将两者误差最小时对应的所述辐射剂量场模拟分布情况作为辐射剂量场实际分布情况。
10.如权利要求9所述的融合实测数据的辐射剂量场分布评估系统,其特征在于:
所述概率浮动阈值拆分单元,其用于获得所述概率浮动阈值的上限值和下限值,并设定所述概率拆分子阈值之间的间隔值;
所述概率浮动阈值拆分单元,其用于根据所述概率浮动阈值的上限值和下限值以及所述概率拆分子阈值之间的间隔值,对所述概率浮动阈值进行等差式步进式拆分,获得多个所述概率拆分子阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011054858.8A CN112115622B (zh) | 2020-09-27 | 2020-09-27 | 一种融合实测数据的辐射剂量场分布评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011054858.8A CN112115622B (zh) | 2020-09-27 | 2020-09-27 | 一种融合实测数据的辐射剂量场分布评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112115622A true CN112115622A (zh) | 2020-12-22 |
CN112115622B CN112115622B (zh) | 2024-03-26 |
Family
ID=73798326
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011054858.8A Active CN112115622B (zh) | 2020-09-27 | 2020-09-27 | 一种融合实测数据的辐射剂量场分布评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112115622B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114246210A (zh) * | 2021-12-22 | 2022-03-29 | 黑龙江省原子能研究院 | 应用于胚芽米保鲜辐照工艺制定方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107330187A (zh) * | 2017-06-30 | 2017-11-07 | 哈尔滨工程大学 | 一种核设施退役辐射场剂量分布仿真方法 |
KR20180006276A (ko) * | 2016-07-08 | 2018-01-17 | 한양대학교 산학협력단 | 방사능의 추정 방법 |
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 |
CN109559015A (zh) * | 2018-10-26 | 2019-04-02 | 中国辐射防护研究院 | 一种在辐射环境评价中基于概率论的公众剂量评价方法 |
CN110516335A (zh) * | 2019-08-16 | 2019-11-29 | 广东浪潮大数据研究有限公司 | 一种辐射风险评估方法、装置及电子设备和存储介质 |
-
2020
- 2020-09-27 CN CN202011054858.8A patent/CN112115622B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180006276A (ko) * | 2016-07-08 | 2018-01-17 | 한양대학교 산학협력단 | 방사능의 추정 방법 |
CN107330187A (zh) * | 2017-06-30 | 2017-11-07 | 哈尔滨工程大学 | 一种核设施退役辐射场剂量分布仿真方法 |
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 |
CN109559015A (zh) * | 2018-10-26 | 2019-04-02 | 中国辐射防护研究院 | 一种在辐射环境评价中基于概率论的公众剂量评价方法 |
CN110516335A (zh) * | 2019-08-16 | 2019-11-29 | 广东浪潮大数据研究有限公司 | 一种辐射风险评估方法、装置及电子设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
曾志;李君利;贾向红;许峰;黄增信;: "空间辐射剂量及屏蔽效应研究", 清华大学学报(自然科学版), no. 03, 15 March 2008 (2008-03-15), pages 391 - 394 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114246210A (zh) * | 2021-12-22 | 2022-03-29 | 黑龙江省原子能研究院 | 应用于胚芽米保鲜辐照工艺制定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112115622B (zh) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108549753B (zh) | 一种点核积分法与蒙特卡罗方法耦合的辐射屏蔽计算方法 | |
JP6475828B2 (ja) | 半導体LSI(Large Scale Integration)のソフトエラー率計算装置および計算方法 | |
CN108447574B (zh) | 一种核电站堆外探测器中子计数率计算方法及其系统 | |
Weise et al. | Bayesian decision threshold, detection limit and confidence limits in ionising-radiation measurement | |
CN112115622A (zh) | 一种融合实测数据的辐射剂量场分布评估方法及系统 | |
CN111896995A (zh) | 基于模拟比较法的小型体源模型校准方法和装置 | |
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 | |
Wohlgemuth et al. | Convergence behaviour of numerical measurement uncertainty evaluation using a virtual metrological computed tomography system | |
Bonner et al. | Ensuring the effectiveness of safeguards through comprehensive uncertainty quantification | |
EP2538243B1 (en) | Method for identifying a nuclear explosion based on krypton and xenon isotopes | |
CN112269205B (zh) | 用于确定放射性探测器参数的方法 | |
Sarkar et al. | Measurement system analysis for implementing design for Six Sigma | |
CN114707393A (zh) | 一种考虑大气湿度影响的中子吸收剂量快速获取方法 | |
JP2006029986A (ja) | 放射線測定装置 | |
CN109521457B (zh) | 一种基于信息准则的γ辐射源项划分方法及系统 | |
CN111505703A (zh) | 钚物质的钚质量测量方法、装置、设备及介质 | |
US20150346357A1 (en) | Radiation monitoring system, method, and program | |
CN107924726A (zh) | 堆芯核仪表装置 | |
JP7378069B2 (ja) | 放射能評価方法、放射能評価プログラム及び放射能評価装置 | |
JP7426624B2 (ja) | 放射能評価方法、放射能評価プログラム及び放射能評価装置 | |
Neuer et al. | Evolutionary ensembles that learn spectroscopic characteristics of scintillation and czt detectors | |
Duran et al. | Fast and simple method with NPP fence measurements for source term estimation and its integration in JRODOS | |
US11249205B2 (en) | Method for determining a bias affecting pixels of a pixelated detector of ionizing radiation | |
Kondrasovs et al. | An adaptive smoother for counting measurements | |
Geng et al. | Simulation of the characteristics of low-energy proton induced single event upset |
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 |