CN113094643A - 放射性元素释放率的预测方法、装置、设备和介质 - Google Patents
放射性元素释放率的预测方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN113094643A CN113094643A CN202010016271.1A CN202010016271A CN113094643A CN 113094643 A CN113094643 A CN 113094643A CN 202010016271 A CN202010016271 A CN 202010016271A CN 113094643 A CN113094643 A CN 113094643A
- Authority
- CN
- China
- Prior art keywords
- matrix
- observation points
- radioactive element
- release rate
- observation
- 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
- 230000002285 radioactive effect Effects 0.000 title claims abstract description 157
- 238000000034 method Methods 0.000 title claims abstract description 56
- 239000011159 matrix material Substances 0.000 claims abstract description 209
- 238000012937 correction Methods 0.000 claims abstract description 79
- 230000035945 sensitivity Effects 0.000 claims abstract description 58
- 239000013598 vector Substances 0.000 claims abstract description 55
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 4
- 230000014509 gene expression Effects 0.000 description 21
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000005865 ionizing radiation Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000012857 radioactive material Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Measurement Of Radiation (AREA)
Abstract
本发明实施例提供了一种放射性元素释放率的预测方法、装置、设备和介质。该方法包括：基于每两个观测点之间的时空相关性，确定N个观测点对应的时空相关矩阵；基于时空相关矩阵、N个观测点对应放射性元素释放率的观测值向量和N个观测点对放射性元素释放率的敏感度矩阵，确定目标校正系数矩阵；根据时空相关矩阵、N个观测点对放射性元素释放率的敏感度矩阵和目标校正系数矩阵，计算放射性元素释放率的预测值向量。根据本发明实施例提供的放射性元素释放率的预测方法、装置、设备和介质，能够准确预测放射性元素的释放速率。
Description
技术领域
本发明涉及核辐射安全技术领域，尤其涉及一种放射性元素释放率的预测方法、装置、设备和介质。
背景技术
放射性核素是指不稳定的原子核，能自发地放出射线，通过衰变形成稳定的核素。放射性物质的衰变中会产生电离辐射，它能破坏人体组织中的分子和原子之间的化学键，一旦放射性核素被释放到大气中，会对人体重要的生化结构与功能产生严重影响。
因此，在发生核泄漏事件后，需要及时对核泄漏事件的后果进行评估，以便基于评估结果采取相应的应急方法。目前，一般是通过估算放射性核素的释放速率，对核泄漏事件的后果进行评估。
目前，一般采用放射性核素迁移模型(Radionuclide Transport Model，RTM)来估算放射性核素的释放速率。但是，在利用RTM模型估算放射性核素的释放速率时，由于气象、地形数据的误差以及RTM自身物理模型的偏差，导致羽流轨迹的预测结果和测量结果之间会存在一定的时空失准(羽流轨迹的偏差)，进而导致放射性核素的释放速率估算不准确。
发明内容
本发明实施例提供了一种放射性元素释放率的预测方法、装置、设备和介质，能够准确预测放射性元素的释放速率。
本发明实施例的一方面，提供一种放射性元素释放率的预测方法，通过N个观测点观测放射性元素释放率，N个观测点包括位于放射性元素的羽流轨迹内的观测点和位于羽流轨迹外的观测点，其中N>1，N为正整数；
方法包括：
基于每两个观测点之间的时空相关性，确定N个观测点对应的时空相关矩阵；
基于时空相关矩阵、N个观测点对应放射性元素释放率的观测值向量和N个观测点对放射性元素释放率的敏感度矩阵，确定目标校正系数矩阵，其中，目标校正系数矩阵用于对N个观测点对放射性元素释放率的敏感度矩阵进行校正；
根据时空相关矩阵、N个观测点对放射性元素释放率的敏感度矩阵和目标校正系数矩阵，计算放射性元素释放率的预测值向量。
本发明实施例的另一方面，提供一种放射性元素释放率的预测装置，通过N个观测点观测放射性元素释放率，N个观测点包括位于放射性元素的羽流轨迹内的观测点和位于羽流轨迹外的观测点，其中N>1，N为正整数；
装置包括：
第一确定模块，用于基于每两个观测点之间的时空相关性，确定N个观测点对应的时空相关矩阵；
第二确定模块，用于基于时空相关矩阵、N个观测点对应放射性元素释放率的观测值向量和N个观测点对放射性元素释放率的敏感度矩阵，确定目标校正系数矩阵，其中，目标校正系数矩阵用于对N个观测点对放射性元素释放率的敏感度矩阵进行校正；
计算模块，用于根据时空相关矩阵、N个观测点对放射性元素释放率的敏感度矩阵和目标校正系数矩阵，计算放射性元素释放率的预测值向量。
根据本发明实施例的另一方面，提供一种放射性元素释放率的预测设备，该设备包括：
处理器以及存储有计算机程序指令的存储器；
处理器执行计算机程序指令时实现如上述本发明实施例提供的放射性元素释放率的预测方法。
根据本发明实施例的另一方面，提供一种计算机存储介质，计算机存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现如上述本发明实施例提供的放射性元素释放率的预测方法。
本发明实施例提供的放射性元素释放率的预测方法、装置、设备和介质，通过基于每两个观测点之间的时空相关性，确定N个观测点(羽流轨迹内的观测点和羽流轨迹外的观测点)对应的时空相关矩阵，时空相关矩阵基于羽流轨迹内的观测点与羽流轨迹外的观测点之间的时空相关性的强弱，将放射性元素的释放浓度分配到羽流轨迹内和羽流轨迹外的观测点。
在对敏感度矩阵进行校正后，可以使校正后的敏感度矩阵对所有观测点均有正响应，涵盖正确的羽流轨迹的空间范围；从而使得可用于释放率估计的有效数据不再局限于原羽流轨迹之内的测点，而是拓展到所有观测数据，由此大幅增加信息量，使得依赖于羽流轨迹的放射性元素释放率的预测结果更为准确。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，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示出本发明一实施例的放射性元素释放率的预测方法的流程图；
图2示出本发明一实施例的放射性元素释放率的预测装置的结构示意图；
图3示出本发明一实施例的电子设备的示例性硬件架构的结构图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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……”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。
目前，为了提高放射性元素的释放率的预测结果的准确性，可以是通过减少放射性元素的羽流轨迹偏差。
最简单的减少放射性元素的羽流轨迹偏差的方法就是仅使用与羽流轨迹相匹配的观测值，但这种方法还会减少源反演的可用信息。另一种方法是直接优化源反演过程中RTM模型的部分模型参数。如：风速，扩散公式的系数和干沉降的比例因子等。但是，这种方法又不能校正所有的RTM模型中的参数，从而使反演变得越来越不确定，并且在数值上不稳定，仍然无法得到较为精准的放射性元素释放率的预测结果。
因此，本发明实施例提供了一种放射性元素释放率的预测方法、装置、设备和介质，通过N个观测点观测放射性元素释放率，其中，N(N>1，N为正整数)个观测点包括位于放射性元素的羽流轨迹内的观测点和位于羽流轨迹外的观测点，能够得到更加准确的放射性元素释放率的预测结果。
下面结合附图，描述根据本发明实施例提供的放射性元素释放率的预测方法、装置、设备和介质。应注意，这些实施例并不是用来限制本发明公开的范围。
下面通过图1详细介绍根据本发明实施例的放射性元素释放率的预测方法。
为了更好的理解本发明的技术方案，下面结合图1对本发明一实施例的放射性元素释放率的预测方法进行详细说明，图1是示出本发明一实施例的放射性元素释放率的预测方法的流程图。
如图1所示，本发明实施例中的放射性元素释放率的预测方法包括以下步骤：
S101，基于每两个观测点之间的时空相关性，确定N个观测点对应的时空相关矩阵。
可选的，在本发明的一些实施例中，每两个观测点之间均存在空间距离，利用每两个观测点之间的空间距离和空间自相关尺度，即可确定N个观测点对应的时空相关矩阵。其中，空间自相关尺度可以是根据观测环境预先进行设定。
作为一个示例，利用每两个观测点之间的空间距离和空间自相关尺度，通过下述表达式(1)确定N个观测点对应的时空相关矩阵C。
其中，C∈Rm×m的矩阵，i∈m，j∈m，m为正整数；Cij为时空相关矩阵C中第i行第j列对应的元素，Δrij为第i个观测点和第j个观测点之间的空间距离，Lr为空间自相关尺度，Δtij为测量第i个观测点和第j个观测点之间空间距离时对应的时间间隔，Lt为时间自相关尺度，Δrik为第i个观测点和第k个观测点之间的空间距离，Δtik为测量第i个观测点和第k个观测点之间空间距离时对应的时间间隔。
其中，在本发明实施例中，在对每两个观测点之间的空间距离进行检测时，可以是同时进行检测，故在确定N个观测点对应的时空相关矩阵时可以将Δt取为0。
S102，基于时空相关矩阵、N个观测点对应放射性元素释放率的观测值向量和N个观测点对放射性元素释放率的敏感度矩阵，确定目标校正系数矩阵。
其中，目标校正系数矩阵用于对N个观测点对放射性元素释放率的敏感度矩阵进行校正。
可选的，在本发明的一些实施例中基于下式表达式(2)可以将释放率的测量值矩阵和释放率的预测值向量建立等式：
μ＝H×σ+ε (2)
其中，μ∈Rm，表示一个包含m个放射性元素释放率的观测值的观测值向量，H∈Rm ×n，表示N个观测点对放射性元素释放率的敏感度矩阵，σ∈Rn为放射性元素释放率的预测值向量，ε∈Rm的误差向量，其中，m和n均为正整数。
其次，可以通过目标校正系数矩阵对表达式(2)中的N个观测点对放射性元素释放率的敏感度矩阵H进行校正，得到表达式(3)：
μ＝W×H×σ+ε (3)
其中，W为对角目标校正系数矩阵。
其中，若表达式(3)中的H矩阵中位于羽流轨迹外的第i个观测点的数值为0，而μ中对应的第i个观测值大于0，则就会使目标校正系数wi的解为无穷大，从而导致无法根据表达式(3)求解出正确的目标校正系数矩阵。
因此，现有技术中在计算校正系数矩阵时为了避免引入无法求解的不确定性量，只会利用H矩阵中位于羽流轨迹内的观测点的有效数值。但由于羽流轨迹本身存在一定的偏差，仅仅考虑羽流轨迹内的点就无法得到较为精准的放射性元素的释放率的预测值，也无法对到较为准确的羽流轨迹。
故，为了进一步校正对于放射性元素释放率的预测结果，可通过时空相关矩阵将羽流轨迹内的观测点和羽流轨迹外的观测点建立时空相关性，使得放射性元素的释放浓度可以依据羽流轨迹内的观测点与羽流轨迹外的观测点之间的时空相关性的强弱，将放射性元素的释放浓度分配到羽流轨迹内和羽流轨迹外的观测点，从而实现对敏感度矩阵的校正。
即，将时空相关矩阵代入表达式(3)中，可以得到表达式(4)：
μ＝W×C×H×σ+ε (4)
其中，C为时空相关矩阵。
进一步的，为了可以得到分别以W和σ为未知向量的方程，因此，将表达式(4)进行变换得到如下表达式(5)：
其中，μ∈Rm为一个包含m个放射性元素释放率的观测值向量，Cij为N个观测点对应的时空相关矩阵中第i行第j列对应的值，H∈Rm×n为N个观测点对放射性元素释放率的敏感度矩阵，σ∈Rn为放射性元素释放率的预测值向量，W为目标校正系数矩阵，ε∈Rm的误差向量，其中，m和n均为正整数。其中，在具体计算时，可以利用目标系数矩阵W中对角线元素组成的目标校正系数向量进行计算。
最后，基于表达式(5)，进一步变换可得到表达式(6)至表达式(8)。利用交替最小化算法，首先以目标系数矩阵W作为未知量，通过表达式(6)至表达式(8)进行迭代计算。
E＝C×H (8)
其中，μ为放射性元素释放率的观测值向量，σ为放射性元素释放率的预测值向量，W为目标校正系数矩阵，Pσ是预测值向量的先验误差的协方差矩阵，PW是目标校正系数矩阵的先验误差的协方差矩阵，C为N个观测点对应的时空相关矩阵，H为N个观测点对放射性元素释放率的敏感度矩阵，R为观测误差的协方差矩阵。
并且，将W的统计中心归一化为1，并利用非负最小二乘算法(NNLS)迭代计算求解表达式(6)。
可选的，在本发明的一些实施例中，在对表达式(6)进行迭代计算时，若第K次迭代计算得到的校正系数矩阵的第K-1次迭代计算得到的校正系数矩阵之间的相对关系满足预设关系时，则确定第K-1次迭代计算得到的校正系数矩阵作为目标校正系数矩阵，其中，K为≥2的正整数。
例如，若第K次迭代计算得到的校正系数矩阵的第K-1次迭代计算得到的校正系数矩阵之间的相对关系满足如表达式(9)所示的预设关系，则确定第K-1次迭代计算得到的校正系数矩阵为目标校正系数矩阵。
其中，
可以理解为是目标校正系数矩阵的对角线元素组成的目标校正系数向量估计值。
S103，根据时空相关矩阵、N个观测点对放射性元素释放率的敏感度矩阵和目标校正系数矩阵，计算放射性元素释放率的预测值向量。
可选的，在本发明的一些实施例中，通过上述表达式(6)-表达式(9)确定目标校正系数矩阵后，可以再将放射性元素释放率的预测值向量σ作为未知量，通过表达式(7)和表达式(8)求解出放射性元素释放率的预测值向量。
应当理解的是，在计算过程中预测值向量的先验误差的协方差矩阵、目标校正系数矩阵的先验误差的协方差矩阵和观测误差的协方差矩阵一般为预先设置的已知量。
在本发明实施例中，通过基于每两个观测点之间的时空相关性，确定N个观测点(羽流轨迹内的观测点和羽流轨迹外的观测点)对应的时空相关矩阵，时空相关矩阵基于羽流轨迹内的观测点与羽流轨迹外的观测点之间的时空相关性的强弱，将放射性元素的释放浓度分配到羽流轨迹内和羽流轨迹外的观测点。
在对敏感度矩阵进行校正后，可以使校正后的敏感度矩阵对所有观测点均有正响应，涵盖正确的羽流轨迹的空间范围；从而使得可用于释放率估计的有效数据不再局限于原羽流轨迹之内的测点，而是拓展到所有观测数据，由此大幅增加信息量，使得依赖于羽流轨迹的放射性元素释放率的预测结果更为准确。
可选的，在本发明的一些实施例中，可以通过如下所示的流程，计算得到目标校正系数矩阵和放射性元素释放率的预测值向量。
计算时空相关矩阵C：
计算E：E＝C×H。
设定初始值：σ0＝0I，W0＝0I，即，将σ0初始化为0向量，将W0初始化为0向量。
迭代计算：K＝1，2，3，…直到
构建：
其中，
为Wk-1的对角线元素组成的目标校正系数向量估计值
步骤一：
利用WK-1通过表达式(8)计算得到σK
构建HK:EK＝Diag(EiσK)
步骤二：
利用非负最小二乘算法(NNLS)和HK计算WK
计算中心矩
tK＝MCD(WK)
其中，MCD为最小协方差行列式。
通过中心矩进行归一化处理
可选的，在本发明的一些实施例中，在得到目标校正系数矩阵之后，还可以利用目标校正系数矩阵和N个观测点对应的时空相关矩阵，通过表达式(9)对羽流轨迹内的点对放射性元素释放率的敏感度矩阵进行校正。
H′＝W×C×H
其中，H′校正后的放射性元素释放率的敏感度矩阵，H为校正前的放射性元素释放率的敏感度矩阵，W为目标校正系数矩阵，C表示N个观测点对应的时空相关矩阵。
接下来，基于校正后的放射性释放率的敏感度矩阵H′，即可得到放射性元素的目标羽流轨迹。
例如，可以是将敏感度大于预设阈值的观测点，作为目标羽流轨迹内的点，由于通过时空相关矩阵和目标系数校正矩阵对敏感度矩阵进行校正，使得在对敏感度矩阵进行校正后，得到的校正后的敏感度矩阵内的有效数值不仅仅局限在羽流轨迹内的观测点，还扩展到羽流轨迹外的观测点。从而大幅增加可以获得有效数值的观测点的数量，并且能够涵盖正确的羽流轨迹的空间范围。从而，使得依赖于羽流轨迹的放射性元素释放率的预测结果更为准确。
下面通过图2详细介绍根据本发明实施例的放射性元素释放率的预测装置，放射性元素释放率的预测装置与放射性元素释放率的预测方法相对应。
图2示出了根据本发明一实施例的放射性元素释放率的预测装置的结构示意图。
如图2所示，放射性元素释放率的预测装置，通过N个观测点观测放射性元素释放率，N个观测点包括位于放射性元素的羽流轨迹内的观测点和位于羽流轨迹外的观测点，其中N>1，N为正整数；
其中，放射性元素释放率的预测装置包括：
第一确定模块210，用于基于每两个观测点之间的时空相关性，确定N个观测点对应的时空相关矩阵；
第二确定模块220，用于基于时空相关矩阵、N个观测点对应放射性元素释放率的观测值向量和N个观测点对放射性元素释放率的敏感度矩阵，确定目标校正系数矩阵，其中，目标校正系数矩阵用于对N个观测点对放射性元素释放率的敏感度矩阵进行校正；
计算模块230，用于根据时空相关矩阵、N个观测点对放射性元素释放率的敏感度矩阵和目标校正系数矩阵，计算放射性元素释放率的预测值向量。
通过基于每两个观测点之间的时空相关性，确定N个观测点(羽流轨迹内的观测点和羽流轨迹外的观测点)对应的时空相关矩阵，时空相关矩阵基于羽流轨迹内的观测点与羽流轨迹外的观测点之间的时空相关性的强弱，将放射性元素的释放浓度分配到羽流轨迹内和羽流轨迹外的观测点。
在对敏感度矩阵进行校正后，可以使校正后的敏感度矩阵对所有观测点均有正响应，涵盖正确的羽流轨迹的空间范围；从而使得可用于释放率估计的有效数据不再局限于原羽流轨迹之内的测点，而是拓展到所有观测数据，由此大幅增加信息量，使得依赖于羽流轨迹的放射性元素释放率的预测结果更为准确。
可选的，在本发明的一些实施例中，第一确定模块210，用于：
根据每两个观测点之间的空间距离和空间自相关尺度，确定N个观测点对应的时空相关矩阵。
可选的，在本发明的一些实施例中，第一确定模块210，具体用于：
根据每两个观测点之间的空间距离和空间自相关尺度，通过以下公式计算得到N个观测点对应的时空相关矩阵C：
其中，C∈Rm×m的矩阵，i∈m，j∈m，m为正整数；Cij为时空相关矩阵C中第i行第j列对应的元素，Δrij为第i个观测点和第j个观测点之间的空间距离，Lr为空间自相关尺度，Δtij为测量第i个观测点和第j个观测点之间空间距离时对应的时间间隔，Lt为时间自相关尺度，Δrik为第i个观测点和第k个观测点之间的空间距离，Δtik为测量第i个观测点和第k个观测点之间空间距离时对应的时间间隔。
可选的，在本发明的一些实施例中，第二确定模块220，包括：
第一确定子模块，用于确定目标校正系数矩阵，包括：
第二确定子模块，用于基于时空相关矩阵、N个观测点对应放射性元素释放率的观测值向量以及N个观测点对放射性元素释放率的敏感度矩阵，利用交替最小化算法，确定目标校正系数矩阵。
可选的，在本发明的一些实施例中，第二确定子模块具体用于：
基于时空相关矩阵、N个观测点对应放射性元素释放率的观测值向量以及N个观测点对放射性元素释放率的敏感度矩阵，通过以下公式和交替最小化算法，计算得到目标校正系数矩阵：
μ＝EW+ε
E＝Diag(Eiσ)，i＝1，2…m
其中，μ∈Rm为一个包含m个放射性元素释放率的观测值的观测值向量，Cij为N个观测点对应的时空相关矩阵中第i行第j列中的值，Hi为N个观测点对放射性元素释放率的敏感度矩阵H的第i行值，σ∈Rn为放射性元素释放率的预测值向量，W为目标校正系数矩阵，ε∈Rm的误差向量，其中，m和n均为正整数。
可选的，在本发明的一些实施例中，第二确定子模块具体还用于：
基于时空相关矩阵、N个观测点对应放射性元素释放率的观测值向量以及N个观测点对放射性元素释放率的敏感度矩阵，利用交替最小化算法，进行迭代计算；
若第K次迭代计算得到的校正系数矩阵和第K-1次迭代计算得到的校正系数矩阵之间的相对关系满足预设关系，则确定第K-1次迭代计算得到的校正系数矩阵作为目标校正系数矩阵，其中，K为≥2的正整数。
可选的，在本发明的一些实施例中，计算模块230，用于：
根据时空相关矩阵、N个观测点对放射性元素释放率的敏感度矩阵和目标校正系数矩阵，通过以下公式计算得到放射性元素释放率的预测值向量：
E＝C×H
其中，μ为放射性元素释放率的观测值向量，σ为放射性元素释放率的预测值向量，W为目标校正系数矩阵，Pσ是预测值向量的先验误差的协方差矩阵，PW是目标校正系数矩阵的先验误差的协方差矩阵，C为N个观测点对应的时空相关矩阵，H为N个观测点对放射性元素释放率的敏感度矩阵，R为观测误差的协方差矩阵。
可选的，在本发明的一些实施例中，放射性元素释放率的预测装置，还包括：
校正模块，用于基于目标校正系数矩阵和N个观测点对应的时空相关矩阵，对N个观测点对放射性元素释放率的敏感度矩阵进行校正；
第三确定模块，用于基于校正后的放射性元素释放率的敏感度矩阵，确定放射性元素的目标羽流轨迹。
本发明实施例提供的放射性元素释放率的预测装置的各个模块具有实现图1所示实施例的放射性元素释放率的预测方法/步骤的功能，且能达到与图1所示实施例相应的技术效果，为简洁描述，在此不再赘述。
图3示出本发明一实施例的电子设备的示例性硬件架构的结构图。
如图3所示，计算设备300包括输入设备301、输入接口302、中央处理器303、存储器304、输出接口305、以及输出设备306。其中，输入接口302、中央处理器303、存储器304、以及输出接口305通过总线310相互连接，输入设备301和输出设备306分别通过输入接口302和输出接口305与总线310连接，进而与计算设备300的其他组件连接。
具体地，输入设备301接收来自外部的输入信息，并通过输入接口302将输入信息传送到中央处理器303；中央处理器303基于存储器304中存储的计算机可执行指令对输入信息进行处理以生成输出信息，将输出信息临时或者永久地存储在存储器304中，然后通过输出接口305将输出信息传送到输出设备306；输出设备306将输出信息输出到计算设备300的外部供用户使用。
也就是说，图3所示的计算设备也可以被实现放射性元素释放率的预测设备，该放射性元素释放率的预测设备可以包括：存储有计算机可执行指令的存储器；以及处理器，该处理器在执行计算机可执行指令时可以实现结合图1描述的放射性元素释放率的预测方法。
本发明实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现本发明实施例提供的放射性元素释放率的预测方法。
需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
本发明可以以其他的具体形式实现，而不脱离其精神和本质特征。例如，特定实施例中所描述的算法可以被修改，而设备体系结构并不脱离本发明的基本精神。因此，当前的实施例在所有方面都被看作是示例性的而非限定性的，本发明的范围由所附权利要求而非上述描述定义，并且，落入权利要求的含义和等同物的范围内的全部改变从而都被包括在本发明的范围之中。
Claims (11)
1.一种放射性元素释放率的预测方法，其特征在于，通过N个观测点观测放射性元素释放率，所述N个观测点包括位于所述放射性元素的羽流轨迹内的观测点和位于所述羽流轨迹外的观测点，其中N>1，N为正整数；
所述方法包括：
基于每两个所述观测点之间的时空相关性，确定所述N个观测点对应的时空相关矩阵；
基于所述时空相关矩阵、所述N个观测点对应所述放射性元素释放率的观测值向量和所述N个观测点对所述放射性元素释放率的敏感度矩阵，确定目标校正系数矩阵，其中，所述目标校正系数矩阵用于对所述N个观测点对所述放射性元素释放率的敏感度矩阵进行校正；
根据所述时空相关矩阵、所述N个观测点对所述放射性元素释放率的敏感度矩阵和所述目标校正系数矩阵，计算所述放射性元素释放率的预测值向量。
2.根据权利要求1所述的方法，其特征在于，所述基于每两个所述观测点之间的时空相关性，确定所述N个观测点对应的时空相关矩阵，包括：
根据每两个所述观测点之间的空间距离和空间自相关尺度，确定所述N个观测点对应的时空相关矩阵。
3.根据权利2所述的方法，其特征在于，所述根据每两个所述观测点之间的空间距离和空间自相关尺度，确定所述N个观测点对应的时空相关矩阵，包括：
根据所述每两个观测点之间的空间距离和空间自相关尺度，通过以下公式计算得到所述N个观测点对应的时空相关矩阵C：
其中，时空相关矩阵C∈Rm×m的矩阵，i∈m，j∈m，m为正整数；Cij为时空矩阵C中第i行第j列对应的元素，Δrij为第i个观测点和第j个观测点之间的空间距离，Lr为空间自相关尺度，Δtij为测量第i个观测点和第j个观测点之间空间距离时对应的时间间隔，Lt为时间自相关尺度，Δrik为第i个观测点和第k个观测点之间的空间距离，Δtik为测量第i个观测点和第k个观测点之间空间距离时对应的时间间隔。
4.根据权利1所述的方法，其特征在于，所述基于所述时空相关矩阵、所述N个观测点对应所述放射性元素释放率的观测值向量和所述N个观测点对所述放射性元素释放率的敏感度矩阵，确定目标校正系数矩阵，包括：
基于所述时空相关矩阵、所述N个观测点对应所述放射性元素释放率的观测值向量以及所述N个观测点对所述放射性元素释放率的敏感度矩阵，利用交替最小化算法，确定所述目标校正系数矩阵。
5.根据权利要求4所述的方法，其特征在于，所述基于所述时空相关矩阵、所述N个观测点对应所述放射性元素释放率的观测值向量以及所述N个观测点对所述放射性元素释放率的敏感度矩阵，利用交替最小化算法，确定所述目标校正系数矩阵，包括：
基于所述时空相关矩阵、所述N个观测点对应所述放射性元素释放率的观测值向量以及所述N个观测点对所述放射性元素释放率的敏感度矩阵，通过以下公式和交替最小化算法，计算得到所述目标校正系数矩阵：
μ＝EW+ε
E＝Diag(Eiσ)，i＝1,2…m
其中，μ∈Rm为一个包含m个放射性元素释放率的观测值向量，Cij为N个观测点对应的时空相关矩阵中第i行第j列中的值，Hi为N个观测点对放射性元素释放率的敏感度矩阵H的第i行值，σ∈Rn为放射性元素释放率的预测值向量，W为目标校正系数矩阵，ε∈Rm的误差向量，其中，m和n均为正整数。
6.根据权利要求5所述的方法，其特征在于，所述基于所述时空相关矩阵、所述N个观测点对应所述放射性元素释放率的观测值向量以及所述N个观测点对所述放射性元素释放率的敏感度矩阵，利用交替最小化算法，确定所述目标校正系数矩阵，包括：
基于所述时空相关矩阵、所述N个观测点对应所述放射性元素释放率的观测值向量以及所述N个观测点对所述放射性元素释放率的敏感度矩阵，利用交替最小化算法，进行迭代计算；
若所述第K次迭代计算得到的校正系数矩阵和第K-1次迭代计算得到的校正系数矩阵之间的相对关系满足预设关系，则确定所述第K-1次迭代计算得到的校正系数矩阵作为所述目标校正系数矩阵，其中，所述K为≥2的正整数。
7.根据权利要求1所述的方法，其特征在于，所述根据所述时空相关矩阵、所述N个观测点对所述放射性元素释放率的敏感度矩阵和所述目标校正系数矩阵，计算放射性元素释放率的预测值向量，包括：
根据所述时空相关矩阵、所述N个观测点对所述放射性元素释放率的敏感度矩阵、所述目标校正系数矩阵和所述观测值向量，通过以下代价函数计算得到所述放射性元素释放率的预测值向量：
E＝C×H
其中，μ为放射性元素释放率的观测值向量，σ为放射性元素释放率的预测值向量，W为目标校正系数矩阵，Pσ是预测值向量的先验误差的协方差矩阵，PW是目标校正系数矩阵的先验误差的协方差矩阵，C为N个观测点对应的时空相关矩阵，H为N个观测点对放射性元素释放率的敏感度矩阵，R为观测误差的协方差矩阵。
8.根据权利要求1所述的方法，其特征在于，所述确定目标校正系数矩阵之后，还包括：
基于所述目标校正系数矩阵和所述N个观测点对应的时空相关矩阵，对所述N个观测点对所述放射性元素释放率的敏感度矩阵进行校正；
基于校正后的所述放射性元素释放率的敏感度矩阵，确定所述放射性元素的羽流轨迹。
9.一种放射性元素释放率的预测装置，其特征在于，通过N个观测点观测放射性元素释放率，所述N个观测点包括位于所述放射性元素的羽流轨迹内的观测点和位于所述羽流轨迹外的观测点，其中N>1，N为正整数；
所述装置包括：
第一确定模块，用于基于每两个所述观测点之间的时空相关性，确定所述N个观测点对应的时空相关矩阵；
第二确定模块，用于基于所述时空相关矩阵、所述N个观测点对应所述放射性元素释放率的观测值向量和所述N个观测点对所述放射性元素释放率的敏感度矩阵，确定目标校正系数矩阵，其中，所述目标校正系数矩阵用于对所述N个观测点对所述放射性元素释放率的敏感度矩阵进行校正；
计算模块，用于根据所述时空相关矩阵、所述N个观测点对所述放射性元素释放率的敏感度矩阵、所述目标校正系数矩阵和所述观测值向量，计算所述放射性元素释放率的预测值向量。
10.一种放射性元素释放率的预测设备，其特征在于，所述设备包括：处理器以及存储有计算机程序指令的存储器；
所述处理器执行所述计算机程序指令时实现如权利要求1-8任意一项所述放射性元素释放率的预测方法。
11.一种计算机存储介质，其特征在于，所述计算机存储介质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如权利要求1-8任意一项所述放射性元素释放率的预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010016271.1A CN113094643B (zh) | 2020-01-08 | 2020-01-08 | 放射性元素释放率的预测方法、装置、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010016271.1A CN113094643B (zh) | 2020-01-08 | 2020-01-08 | 放射性元素释放率的预测方法、装置、设备和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113094643A true CN113094643A (zh) | 2021-07-09 |
| CN113094643B CN113094643B (zh) | 2022-05-27 |
Family
ID=76663206
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010016271.1A Active CN113094643B (zh) | 2020-01-08 | 2020-01-08 | 放射性元素释放率的预测方法、装置、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113094643B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005249667A (ja) * | 2004-03-05 | 2005-09-15 | Toshiba Corp | 被ばく線量評価方法、被ばく線量評価システムおよび被ばく線量評価プログラム |
| CN107480781A (zh) * | 2017-03-02 | 2017-12-15 | 南京航空航天大学 | 神经网络自适应卡尔曼滤波的核事故源项反演方法 |
| CN109524061A (zh) * | 2018-10-23 | 2019-03-26 | 中国人民解放军陆军防化学院 | 一种基于传输系数矩阵的放射性核素扩散计算方法 |
-
2020
- 2020-01-08 CN CN202010016271.1A patent/CN113094643B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005249667A (ja) * | 2004-03-05 | 2005-09-15 | Toshiba Corp | 被ばく線量評価方法、被ばく線量評価システムおよび被ばく線量評価プログラム |
| CN107480781A (zh) * | 2017-03-02 | 2017-12-15 | 南京航空航天大学 | 神经网络自适应卡尔曼滤波的核事故源项反演方法 |
| CN109524061A (zh) * | 2018-10-23 | 2019-03-26 | 中国人民解放军陆军防化学院 | 一种基于传输系数矩阵的放射性核素扩散计算方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113094643B (zh) | 2022-05-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kulikov et al. | Accurate continuous–discrete unscented Kalman filtering for estimation of nonlinear continuous-time stochastic models in radar tracking | |
| Wahlström et al. | Zero-velocity detection—A Bayesian approach to adaptive thresholding | |
| Hunt et al. | Efficient data assimilation for spatiotemporal chaos: A local ensemble transform Kalman filter | |
| Luo et al. | A new robust Kalman filter for SINS/DVL integrated navigation system | |
| CN109900309B (zh) | 一种基于混合状态空间模型的传感器数据盲校正方法 | |
| US6801810B1 (en) | Method and device for state estimation | |
| US20190251215A1 (en) | Accurate estimation of upper atmospheric density using satellite observations | |
| CN112798021B (zh) | 基于激光多普勒测速仪的惯导系统行进间初始对准方法 | |
| CN101652629A (zh) | 用于定向感测的方法和系统 | |
| Nakamori et al. | Recursive estimators of signals from measurements with stochastic delays using covariance information | |
| Yang et al. | Reliability assessment of a hierarchical system subjected to inconsistent priors and multilevel data | |
| CN103940433A (zh) | 一种基于改进的自适应平方根ukf算法的卫星姿态确定方法 | |
| CN110632625B (zh) | 一种gnss时间序列阶跃探测与修复方法 | |
| Kulikova et al. | NIRK-based accurate continuous–discrete extended Kalman filters for estimating continuous-time stochastic target tracking models | |
| Shao et al. | Ensemble particle filter based on KLD and its application to initial alignment of the SINS in large misalignment angles | |
| CN106200377A (zh) | 一种飞行器控制参数的估计方法 | |
| CN113094643B (zh) | 放射性元素释放率的预测方法、装置、设备和介质 | |
| CN110222299A (zh) | 针对双变量含有误差的直线拟合问题的方法和设备 | |
| Qiu et al. | A novel stochastically stable variational Bayesian Kalman filter for spacecraft attitude estimation | |
| CN103345569A (zh) | 一种用于Allan方差分析技术的噪声系数计算方法 | |
| Gillijns et al. | Model error estimation in ensemble data assimilation | |
| CN116310991A (zh) | 一种基于强化学习的篮板落点预测方法及系统 | |
| CN113959447B (zh) | 相对导航高噪声量测量识别方法、装置、设备和存储介质 | |
| Kulikov et al. | The accurate continuous-discrete extended Kalman filter for continuous-time stochastic systems | |
| CN114509791A (zh) | 一种缩减存储的卫星定位误差分析方法及装置 |
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 |