基于蒙特卡洛模拟与MLP神经网络的海洋放射性核素伽马能谱分析方法
仪器与探测器
2021-08-20 v2 机器学习
数据分析、统计与概率
摘要
利用闪烁探测器监测海水中的Cs-137依赖于能谱分析方法以提取Cs-137浓度。在统计性较差的情况下，传统净峰面积（NPA）方法的计算结果具有较大不确定性。我们提出一种基于机器学习的方法，以更好地分析低Cs-137浓度的伽马能谱。我们应用多层感知机（MLP）分析海水中Cs-137的662 keV全能峰。通过将模拟的Cs-137信号与实测本底能谱相结合，MLP可用少量实测本底能谱进行训练。因此，该方法节省了制备和测量标准样品以生成训练数据集的时间。为验证基于MLP的方法，我们利用Geant4以及船载监测装置测得的本底伽马能谱生成独立测试数据集，以检验我们所提方法与传统NPA方法的结果。我们发现，基于MLP的方法均方根误差为0.159，比传统净峰面积方法低2.3倍，表明基于MLP的方法提高了Cs-137浓度计算的精度。
引用
@article{arxiv.2010.15245,
title = {A marine radioisotope gamma-ray spectrum analysis method based on Monte Carlo simulation and MLP neural network},
author = {Wenhan Dai and Zhi Zeng and Daowei Dou and Hao Ma and Jianping Chen and Junli Li and Hui Zhang},
journal= {arXiv preprint arXiv:2010.15245},
year = {2021}
}
备注
13 pages, 11 figures