基因算法优化了BP神经网络,以快速重建三维辐射场
Qian Zhang1, Rui Shi1, Rui Gou2
1School of Computer Science and Engineering, Sichuan University of Science and Engineering, Yibin, 644005, China.
概括
一个新的基因算法优化逆向传播 (GA-BP) 神经网络有效地从有限的数据中重建3D辐射场. 这种人工智能驱动的方法显著加快了辐射剂量速率映射,以提高核设施的安全性.
科学领域:
- 核工程 核工程是指核工程.
- 人工智能的人工智能
- 辐射检测检测器可以检测到辐射.
背景情况:
- 准确的3D辐射场测绘对于核设施安全和辐射保护至关重要.
- 目前的二维重建方法和基于网格的测量是有限的.
- 人工智能,特别是神经网络,为先进的辐射场重建提供了潜力.
研究的目的:
- 开发一种有效的方法,在任何空间位置重建3D辐射剂量速率场.
- 解决现有的二维和依赖电网的重建技术的局限性.
- 利用人工智能进行更快,更准确的辐射场分析.
主要方法:
- 开发了一个改进的基因算法优化逆向传播 (GA-BP) 神经网络.
- 该方法在3D空间中重建辐射剂量率,即使采样率低.
- 使用蒙特卡洛模拟 (屏蔽和非屏蔽) 和真实实验数据验证了有效性.
主要成果:
- GA-BP网络实现了快速重建,在0.01秒内处理了近500个点.
- 3D剂量速率字段的重建在模拟中使用的数据不到6%,误差低 (3-8%).
- 实验验证显示,大多数领域的总误差为15%,小于30%的点误差.
结论:
- 拟议的GA-BP神经网络方法可实现高效准确的3D辐射场重建.
- 由人工智能驱动的方法大大减少了数据需求和处理时间.
- 这种方法增强了核设施的辐射保护策略.
