RBF神经网络在γ能谱平滑中的应用

发布时间：2022-12-09 06:11

　　γ能谱测量作为在核辐射探测中一种重要方法,是解决核辐射粒子在环境中产生辐射等有关问题的重要手段之一。通过各种探测器对γ射线进行探测、收集,然后分析数据等便可识别发射γ射线源属于何种元素及给中元素的含量或者活度。因此,对所得到的γ能谱进行分析,主要包括了γ能谱的测量和数据的采集,谱数据的解谱分析等。由于探测器本身固有的统计涨落及受电子学系统噪声的影响,在核能谱数据处理过程必定会产生误差,为了减弱其误差带来的影响,对能谱数据进行平滑处理是非常必要的。首先介绍径向基函数（Radical Basis Function,RBF）神经网络,再通过建立、学习和训练,显示出RBF神经网络具有结构简单、训练速度快,并且有比较强的抗干扰能力,特别是能达到很好的逼近效果。其次,我们将RBF神经网络应用到对能谱的平滑当中,并通过建立不同函数的RBF神经网络,相同的扩展系数和建立相同的RBF神经网络,不同的扩展系数,选取对核能谱平滑能达到最优效果的RBF神经网络和扩展系数。最后,我们通过实例,将建立的最优RBF神经网络与传统的多项式最小二乘法同时对某一能谱进行平滑,利用“平滑度”这一评价指标,对两者的平滑效果做... 

【文章页数】：52 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 引言
    1.2 选题的目的和意义
    1.3 国内外发展历史及现状
    1.4 本文的主要工作
    1.5 本文框架安排
2 γ能谱数据获取及特征
    2.1 γ能谱数据获取
        2.1.1 核辐射探测器
        2.1.2 核辐射探测器分类
    2.2 γ能谱特征
        2.2.1 γ射线与物质的相互作用
        2.2.2 计数的统计分布
        2.2.3 脉冲堆积效应
        2.2.4 其他效应
    2.3 本章小结
3 RBFNN基本理论
    3.1 径向基函数神经网络（RBFNN）
        3.1.1 RBFNN结构
        3.1.2 RBF工作原理
    3.2 RBF神经网络函数逼近
        3.2.1 多元连续函数的一元函数复合表示问题
        3.2.2 人工神经网络的逼近
    3.3 RBF神经网络设计
        3.3.1 基于K-means聚类算法
        3.3.2 基于正交最小二乘的RBF网络设计算法
    3.4 本章小结
4 RBF神经网络参数优化
    4.1 粒子群算法简介
    4.2 对RBF神经网络参数寻优过程
    4.3 仿真举例
    4.4 本章小结
5 RBF神经网络在γ能谱平滑应用
    5.1 多项式最小二乘法
    5.2 利用RBF神经网络对γ能谱平滑
        5.2.1 RBF神经网络对能谱的平滑处理
    5.3 本章小结
6 结论与展望
参考文献
致谢



本文编号：3714989