BP神经网络反演核事故源项中重要参数的研究
本文选题:辐射防护与环境保护 + 核事故 ; 参考:《南京航空航天大学学报》2015年05期
【摘要】:核事故发生时,可靠、准确的源项信息能为应急防护行动措施决策提供数据支持。采用Matlab软件神经网络工具箱可以实现基于BP神经网络的核事故源项反演,为提高核事故源项反演计算的准确度,针对反演时的几个重要参数进行研究,包括隐含层节点数、训练函数、学习率和隐含层数。研究结果表明,在单隐含层神经网络结构情况下,存在着最优隐含层节点数,综合考虑训练时间和误差,本文选取隐含层节点数为50来对其他参数影响进行进一步研究;在相同参数设置条件下,训练函数Trainlm比Traingdm更适合数据量较小时的核事故源项反演,反演计算准确度更高,在节点数为50时训练时间缩短了近35%;高学习率以及双隐含层能有效地提高核事故源项反演的精度,但训练时间相对增加。
[Abstract]:In the event of a nuclear accident, reliable and accurate source information can provide data support for emergency preventive action decision. The neural network toolbox of Matlab software can be used to realize the inversion of nuclear accident source term based on BP neural network. In order to improve the accuracy of inversion calculation of nuclear accident source term, several important parameters, including the number of hidden layer nodes, are studied. Training function, learning rate, and number of hidden layers. The results show that under the condition of single hidden layer neural network structure, there is an optimal number of hidden layer nodes. Considering the training time and error, this paper selects the number of hidden layer nodes as 50 to further study the influence of other parameters. Under the same parameter setting condition, Trainlm is more suitable than Traingdm for inversion of nuclear accident source term with small amount of data, and the accuracy of inversion calculation is higher. When the number of nodes is 50, the training time is shortened by nearly 35 points, and the high learning rate and the double hidden layer can effectively improve the accuracy of the source term inversion of the nuclear accident, but the training time is relatively long.
【作者单位】: 南京航空航天大学材料科学与技术学院;江苏省高校放射医学协同创新中心;
【基金】:国防基础科研基金资助项目 江苏高校优势学科建设工程资助项目
【分类号】:TL73;TP183
【参考文献】
中国期刊全文数据库 前7条
1 苏高利,邓芳萍;论基于MATLAB语言的BP神经网络的改进算法[J];科技通报;2003年02期
2 陈达;;核能与核安全:日本福岛核事故分析与思考[J];南京航空航天大学学报;2012年05期
3 陈军明,徐大海,朱蓉;遗传算法在点源扩散浓度反演排放源强中的应用[J];气象;2002年09期
4 郭利辉;周雅;;基于MATLAB神经网络工具箱的BP网络设计[J];信息技术与信息化;2009年03期
5 戴礼荣;张仕良;;深度语音信号与信息处理:研究进展与展望[J];数据采集与处理;2014年02期
6 宁莎莎;蒯琳萍;;混合遗传算法在核事故源项反演中的应用[J];原子能科学技术;2012年S1期
7 凌永生;侯闻宇;贾文宝;单卿;黑大千;何燕泉;;基于BP神经网络的核事故源项反演方法研究[J];中国安全科学学报;2014年08期
【共引文献】
中国期刊全文数据库 前10条
1 李燕琴;一种生态旅游者的识别与细分方法——以北京市百花山自然保护区为例[J];北京大学学报(自然科学版);2005年06期
2 李明君;陈东升;程水源;王芳;;遗传算法用于CMAQ模式污染源清单优化的研究[J];北京工业大学学报;2011年12期
3 邹波;卢子兴;;复合泡沫塑料力学行为模拟的ANN方法[J];北京航空航天大学学报;2007年07期
4 杨林;党艳军;林家瑞;;基于HRV信号分析的人工神经网络用于CHF的诊断研究[J];北京生物医学工程;2007年02期
5 冯敏敏;朱培逸;;一种BP网络的土壤电导率数据融合算法研究[J];常熟理工学院学报;2009年10期
6 徐振越;樊志新;高飞;郭勇;祁伟;;铜镁接触线连续挤压法的神经网络控制技术[J];大连交通大学学报;2011年06期
7 姬巧玲,漆为民,蔡维由,程远楚;MATLAB7.0中改进BP网络的实现[J];电脑开发与应用;2005年07期
8 陈流豪;;神经网络BP算法研究综述[J];电脑知识与技术;2010年36期
9 朱江;汪萍;;集合卡尔曼平滑和集合卡尔曼滤波在污染源反演中的应用[J];大气科学;2006年05期
10 常亮,解建仓,王少波,肖志娟;基于L-M优化神经网络算法的地下水动态模拟与预测[J];地下水;2005年05期
中国重要会议论文全文数据库 前7条
1 王俊松;钱飞飞;张兴会;谷兆麟;吴真;;基于BP神经网络的温度传感器动态建模及自适应标定[A];第二十四届中国控制会议论文集(下册)[C];2005年
2 王俊松;田库;刘玉敏;张兴会;李建国;刘玉亮;;基于RBF神经网络的肿瘤组织热传导过程建模及软测量[A];第25届中国控制会议论文集(上册)[C];2006年
3 罗皎虹;吴军基;;基于BP神经网络的阻塞管理潮流计算[A];2006中国电力系统保护与控制学术研讨会论文集[C];2006年
4 程兴宏;徐祥德;许建明;丁国安;;SO_2、NO_2加密观测对排放源反演及空气质量预报影响的数值模拟研究[A];中国气象学会2007年年会大气成分观测、研究与预报分会场论文集[C];2007年
5 孙斌;周云龙;洪文鹏;;几种改进BP算法在气液两相流流型识别中的比较[A];第二届全国信息获取与处理学术会议论文集[C];2004年
6 兰利宝;董慧颖;高岚;;视频监控系统中运动目标识别方法研究[A];2007第三届中国智能交通年会论文集[C];2007年
7 戚玉亮;王同旭;张振宇;王荣超;;位移反分析的Levenberg-Marquardt BP神经网络方法研究[A];全国岩土工程反分析学术研讨会暨黄岩石窟(锦绣黄岩)岩石力学问题讨论会文集[C];2006年
中国博士学位论文全文数据库 前10条
1 王旭;基于声发射技术的聚乙烯自增强复合材料损伤模式识别研究[D];东华大学;2010年
2 吴本芳;河南高凝原油和特稠油降凝降粘研究[D];华东理工大学;2011年
3 叶青;人工智能方法在估价领域的研究与应用[D];华侨大学;2011年
4 杨力远;预分解窑煅烧过程计算机模拟[D];武汉理工大学;2004年
5 李增芳;基于人工智能和虚拟仪器技术的发动机故障诊断专家系统研究[D];浙江大学;2004年
6 许建明;城市大气环境数值技术的集成、改进和应用研究[D];南京信息工程大学;2006年
7 杜修平;基于数据挖掘的证券态势估计系统[D];天津大学;2006年
8 夏锋;资源受限实时控制系统反馈调度[D];浙江大学;2006年
9 李卫勇;中国海关管理创新及其技术支撑研究[D];中南大学;2007年
10 王雪梅;摆式列车线路信息检测系统关键技术研究[D];西南交通大学;2007年
中国硕士学位论文全文数据库 前10条
1 姚慧娟;光视觉球形目标识别技术的研究[D];哈尔滨工程大学;2010年
2 张双岩;一种用于危化品安全监测的电子鼻系统[D];大连理工大学;2010年
3 李红涛;智能预测控制算法在倒立摆中的应用研究[D];长沙理工大学;2010年
4 王迪;基于神经网络的税收预测研究[D];长春工业大学;2010年
5 戴永文;基于改进BP神经网络算法的企业可持续发展力评价研究[D];南昌大学;2010年
6 符遵斌;基于顾客感知价值的网络游戏虚拟产品定价研究[D];南昌大学;2010年
7 武丽娟;基于神经网络的车牌识别技术的研究及应用[D];电子科技大学;2011年
8 张俊荣;基于神经网络的煤巷围岩稳定性研究[D];北方工业大学;2011年
9 闵祥宇;基于人工神经网络的渭河上游洪水预报研究[D];兰州大学;2011年
10 张帆;基于商品品类的零售供应链需求预测与库存管理模式研究[D];电子科技大学;2011年
【二级参考文献】
中国期刊全文数据库 前10条
1 刘立平,牛熠;遗传算法综述[J];东莞理工学院学报;2005年03期
2 张志华,朱章森,李儒兵;几种修正的自适应神经网络学习算法及其应用[J];地球科学;1998年02期
3 陈守余,周梅春;数据开采的BP神经网络方法及其应用[J];地球科学;1998年02期
4 蒲春;孙政顺;赵世敏;;Matlab神经网络工具箱BP算法比较[J];计算机仿真;2006年05期
5 袁慧梅;宋宇;;基于MATLAB软件的罗马数字模式识别[J];计算机应用与软件;2007年09期
6 杨p,
本文编号:2065748
本文链接:https://www.wllwen.com/kejilunwen/anquangongcheng/2065748.html