福岛地区的环境剂量速率变化可视化使用可解释的AI技术
Ryu Yoshida1, Hiroshi Kurikami2, Fumiya Nagao2
1University of Aizu, Graduate Department of Computer and Information Systems, Tsuruga, Ikki-machi, Aizu-Wakamatsu City, Fukushima, 965-8580, Japan.
自2011年以来,福岛附近的环境剂量率已经下降,但减少在空间上有所不同. 森林由于持续的污染和地形而呈现较慢的衰退,与城市地区不同. 可解释性AI (XAI) 有助于理解这些环境辐射趋势.
科学领域:
- 环境科学 环境科学
- 辐射监测 辐射监测
- 人工智能的人工智能
背景情况:
- 2011年福岛第一核电站事故导致了广泛的放射性物质沉积.
- 环境剂量率由于腐烂和去污染而下降,但空间变化仍然存在,特别是在森林中.
研究的目的:
- 使用可解释AI (XAI) 调查长期环境剂量速率变化.
- 分析12年来剂量减速的时间和空间模式.
- 确定影响剂量减速的因素,特别是在森林地区.
主要方法:
- 综合剂量速率映射使用各种调查数据 (固定点,步行,车载,空中).
- 为剂量减速比率开发一个预测模型 (轻梯度增强机).
- 应用夏普利添加式解释 (SHAP) 模型可解释性和可变贡献分析.
主要成果:
- 土地利用显著影响剂量下降率;城市和农业地区的下降速度比森林更快.
- 地形特征 (海拔,坡度) 影响森林的趋势,山谷和低谷呈现停滞.
- XAI有效量化了可变贡献,揭示了除污染有效性的空间变化背后的因素.
结论:
- 与城市和农业地区相比,森林的环境剂量下降速度较慢,这是由于持续的污染和地形影响.
- 可解释的人工智能是分析环境辐射数据和验证净化效应的宝贵工具.
- 拟议的地理空间方法支持为事故后的区域恢复和森林管理制定明智的政策.
更多相关视频
10:33Expedited Radiation Biodosimetry by Automated Dicentric Chromosome Identification ADCI and Dose Estimation
Published on: September 4, 2017
10:23Author Spotlight: A Machine-Vision Approach to Transmission Electron Microscopy Workflows, Results Analysis and Data Management
Published on: June 23, 2023
相关概念视频
Biological Effects of Radiation
Atomic Emission Spectroscopy: Overview
Atomic Fluorescence Spectroscopy
Radiation: Applications
The average...
Atomic Emission Spectroscopy: Interference
Random Error
