[发明专利]核设施源项三维分布快速重建方法、装置、设备及介质

说明书

本申请公开了一种核设施源项三维分布快速重建方法、装置、设备及介质，包括：采用蒙特卡罗粒子输运程序构建源项几何模型，并进行辐射场的计算；从计算结果中提取空间辐射场数据和源项活度的三维分布数据，根据源项分布构建相同大小的源项位置矩阵，产生深度学习训练样本，构建并训练深度神经网络模型；将实际的辐射场剂量矩阵和源项位置矩阵进行变换处理后输入至训练好的深度神经网络模型，对源项活度的三维分布数据进行预测；对输出结果与实际值之间的误差进行验证。本申请通过构建并调参得到合适的深度神经网络，实现不局限于具体物理模型的源项活度三维分布的快速重构，可通过深度学习智能化反演重建，快速得到任意指定位置处的源项活度值。

技术领域

本发明涉及辐射防护与核安全领域，特别是涉及一种核设施源项三维分布快速重建方法、装置、设备及介质。

背景技术

放射性源项特征是对核设施进行退役或处理的非常重要的前提依据，在实际核设施复杂源项的辐射场景中，由于源项的活度和三维分布情况往往是未知的且存在较大的不确定性，受测量手段的限制，直接测量放射性物质的组成和数量是十分困难的，且测量结果也只是源项在某个局部的表象。因此，一般需采用分析计算的方式得到源项数据。三维辐射场是反映一个核设施内真实外照射分布的数据库，可以通过测量获得所需的辐射场数据，利用辐射场剂量率的测量值来反向计算源项活度。通过分析三维辐射场，不仅可以确定辐射热点的位置，还可以重构出设备或管道中放射性物质的等效活度三维分布情况，进而建立有效的屏蔽措施，实现现场精细化的辐射防护最优化分析。

目前，采用物理拟合或数值插值法进行源项反演，只能处理简单固定模型的放射性活度计算，且对输入输出之间的物理相关性要求较高，无法很好地对核设施复杂源项、强各向异性分布情况下的三维源项活度分布进行重构。

因此，如何对核设施复杂源项、强各向异性分布情况下的三维源项活度分布实现智能化快速重构，是本领域技术人员亟待解决的技术问题。

发明内容

有鉴于此，本发明的目的在于提供一种核设施源项三维分布快速重建方法、装置、设备及介质，可以通过深度学习智能化反演重建，快速得到任意指定位置处的源项活度值。其具体方案如下：

一种核设施源项三维分布快速重建方法，包括：

采用蒙特卡罗粒子输运程序构建源项几何模型，并进行辐射场的计算；

从计算结果中提取空间辐射场数据和源项活度的三维分布数据，根据源项分布构建相同大小的源项位置矩阵，产生深度学习训练样本，构建并训练深度神经网络模型；

将实际的辐射场剂量矩阵和源项位置矩阵进行变换处理后输入至训练好的所述深度神经网络模型，对源项活度的三维分布数据进行预测；

对输出的源项活度的三维分布数据结果与实际值之间的误差进行验证。

优选地，在本发明实施例提供的上述核设施源项三维分布快速重建方法中，采用蒙特卡罗粒子输运程序构建源项几何模型，并进行辐射场和源项空间几何分布矩阵的计算，具体包括：

根据源项分布情况，对所述源项进行网格划分；

根据划分为多个区域后的所述源项，采用蒙特卡罗粒子输运程序构建源项几何模型；

采用蒙特卡罗粒子输运程序通用源SDEF卡，产生一定分布的源项数据；

将所述源项以外的区域设置为非感兴趣区域，在所述源项外部设置设定大小的立方体空间并进行网络划分，对划分后的所述立方体空间进行源项活度的三维分布的统计；

对多组不同源项几何参数进行随机抽样，批量产生蒙特卡罗计算文件，调用蒙特卡罗粒子输运程序进行辐射场计算。

优选地，在本发明实施例提供的上述核设施源项三维分布快速重建方法中，在构建深度神经网络模型之前，还包括：