[发明专利]一种基于BP神经网络算法的核事故源项反演方法

摘要

本发明公开了一种基于BP神经网络算法的核事故源项反演的方法，包括以下步骤：建立基于BP神经网络学习算法的核事故源项反演模型，确定输入、输出层的神经元个数；确定该模型中的隐含层数；对该模型初始化，训练该模型，确定最优参数；得到最终用于核事故源项反演的BP神经网络算法的模型。该方法综合考虑了核事故源项反演的重点核素以及影响源项的因素，选用双隐含层，提高神经网络的泛化能力，保证映射关系的正确实现，能够较准确的反演出核事故中碘-131和铯-137的释放率以及释放高度，为核事故后果评价及应急决策提供了更可靠的依据。

主权项

一种基于BP神经网络算法的核事故源项反演的方法，其特征在于：包括以下步骤：1)核事故源项作为目标信号；根据核事故设施周围的监测数据以及国际辐射评价系统确定影响源项反演的因素，影响源项反演的因素作为输入特征变量；根据目标信号和输入特征变量构建基于BP神经网络算法的核事故源项反演的网络模型，所述目标信号作为所述网络模型的输出层，输入特征变量作为所述网络模型的输入层；2)确定所述基于BP神经网络算法的核事故源项反演的网络模型中的隐含层数，并设定各隐含层的初始单元个数；3)所述基于BP神经网络算法的核事故源项反演的网络模型初始化；根据核事故环境监测的历史数据得到训练样本和测试样本，训练样本和测试样本均进行数据预处理；4)用预处理过后的训练样本对该网络模型进行训练，然后逐一增加隐含层的单元个数并重复训练，根据每次的训练结果比较模型中BP神经网络的训练所需的时间以及测试误差，确定最终隐含层的单元个数；5)用测试样本对基于BP神经网络算法的核事故源项反演的网络模型进行源项反演的测试；6)根据测试结束后得到的网络模型反演核事故源项。