期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于Gradient Boosting算法的ERMS辐射数据预测 被引量:2
1
作者 朱武峰 王廷银 +3 位作者 林明贵 苏伟达 李汪彪 吴允平 《计算机系统应用》 2019年第11期37-44,共8页
影响核辐射监测站点辐射监测HPIC剂量率实时数据准确性的组成因素多且复杂,如自然因素的降雨、温湿度、风向及太阳辐射等,客观因素的设备异常及放射性状况等;以致在实际应用中发现辐射监测状态异常时,很难分析出是什么原因导致的监测数... 影响核辐射监测站点辐射监测HPIC剂量率实时数据准确性的组成因素多且复杂,如自然因素的降雨、温湿度、风向及太阳辐射等,客观因素的设备异常及放射性状况等;以致在实际应用中发现辐射监测状态异常时,很难分析出是什么原因导致的监测数据偏离.结合ERMS海量历史辐射序列监测数据,深入挖掘降雨、温湿度、气压、风向、太阳辐射天顶方向电子量及周边各站点辐射数值等特征因子集,基于Gradient Boosting算法(简称GB算法)建立起HPIC剂量率辐射数据的在线预测模型,有效融合自然特征因子,降低了自然因子对HPIC剂量率辐射监测数值异常的分析及判读的干扰作用,提高了对ERMS辐射异常发现的辅助判断能力及维保效率. 展开更多
关键词 hpic剂量率 异常 ERMS GB算法 预测
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部