基于模糊多目标决策的辐射探测器抛投方案优选

针对核与辐射环境应急监测中新型智能化仪器研制需求,本文将模糊层次分析法、熵值法和改进的灰色综合关联分析法三者结合,提出了一种组合赋权和改进的灰色关联分析综合评价方法,对多个辐射探测器的抛投装置最优设计进行了模糊多目标决策。通过对抛投装置建立多层次评价模型,采用层次分析法确定主观权重、熵值法确定客观权重,将两者组合赋权得到各层以及相关指标的组合权重,运用具有区间模糊数的灰色关联法确定关联度系数,最终计算出各方案的灰色综合关联度评价值,以此评价得出最优抛投方案。利用此方法,定量的反映出各层因素间的相互关系,解决了辐射抛投装置多个指标方案优选中的相互影响性问题,实现了对抛投装置的综合评价,并验证了该模型在最优抛投装置选择中的可行性。

基于机器学习的在体电子顺磁共振波谱分类和辐射剂量预测方法研究

核与辐射突发事件发生后,在体电子顺磁共振(in-vivo EPR)方法可对伤员辐射剂量进行现场、快速、无创检测。对in-vivo EPR波谱分析,目前常采用人工标记峰值并计算信号强度,存在工作量大、受主观因素干扰等问题。本研究利用支持向量机(SVM)技术,建立了一种对in-vivo EPR波谱进行自动分类识别的方法,可批量自动识别并筛除in-vivo EPR测量时因振动、牙表面水干扰而产生的无效波谱。本研究利用遗传算法优化神经网络(GA-BPNN)建立了一种波谱分析方法,可对in-vivo EPR波谱中的辐射诱发信号进行自动识别,并预测伤员受到辐射的剂量。实验结果表明,本研究建立的SVM和GA-BPNN波谱处理方法可有效地完成in-vivo EPR波谱自动分类和剂量预测,可满足核事故应急剂量评估的需求。本研究探索了机器学习方法在电子顺磁共振(EPR)波谱处理领域的应用,提高了EPR波谱处理的智能化水平,为提升大批量EPR波谱处理效率提供了支撑。