当前位置:主页 > 社科论文 > 生态环境论文 >

事故条件下放射性废液污染预测的机理性神经网络模型研究

发布时间:2020-05-19 05:31
【摘要】:实现对放射性液态流出物在受纳水体中扩散迁移运动的快速准确预测对于事故条件下的核电水安全管理具有重要意义。我国的现有研究成果主要服务于运营中的滨海核电站和拟建内陆核电站的正常运行工况,少有针对内陆核电事故条件下的研究成果。目前描述放射性核素在水体中扩散迁移运动的机理模型多是采用水动力学方法,迭代求解过程计算时间长,同时计算过程中边界条件设置不灵活,难以满足事故后迅速做出应急响应的需求。而能够实现快速输出预测结果的数据驱动模型属于黑箱模型,难以通过核试验获取黑箱模型要求的数据样本,且不能反映研究对象的内在机理。有鉴于此,本文提出将机理模型与数据驱动模型有机结合起来,构建一类新型的既具有数据驱动特点又具有一定物理基础的神经网络模型。论文一方面以复杂的混沌动力学系统为算例研究这类模型的预测效果及其影响因素,另一方面以放射性污染物扩散迁移问题的水动力学系统为研究对象,采用拟建的湖北咸宁核电站及受纳水体富水水库为实例,参考日本福岛核电事故的污染物泄漏源项进行了污染预测,以研究机理先验前馈网络模型的预测效果及其影响因素。论文具体包括以下三个方面:(1)机理神经网络模型所需的训练样本获取以湖北咸宁核电站及受纳水体富水水库为研究对象,参考日本福岛核电事故的泄漏工况,建立了放射性核素在受纳水体中扩散迁移运动的水动力学模型,提出了稳定流与非稳定流相结合的计算方法,结合富水水库地形和实测水文资料对典型年内研究时段的流场进行了模拟计算。在流场模拟的基础上,模拟了咸宁核电站事故后不同半衰期核素的扩散迁移过程,对比分析了两者在影响范围和影响持续时间上的差异。针对不同泄漏点工况,研究了地表水文条件对污染物运动的影响。计算结果表明污染物到达下游坝址处时,短半衰期核素的浓度比长半衰期核素低1~2个数量级,前者对研究区域的影响时间在50天以内,而后者会持续100天以上;局部涡流作用会造成污染物的滞留,泄漏点2工况比泄漏点1工况的污染物扩散相对滞后1天,并且污染物会对上游及支流水体造成一定影响。在数值模拟计算结果的基础上,评估了放射性废液对富水水库及大坝下游水体、水生生物和公众的辐射剂量。结果表明受纳水体会遭受到严重污染,局部水域超标最多达到2550倍,富集在鱼体内的辐射剂量超标25倍。公众食用被污染鱼类造成的辐射伤害大于饮用污染水体造成的伤害。(2)基于Chen和Mackey-Glass混沌系统的新型机理神经网络模型的建立与验证分别以Chen混沌系统和Mackey-Glass混沌系统中的部分或者全部混沌动力学方程作为机理知识,建立了基于Chen和Mackey-Glass混沌系统的新型机理神经网络模型,并采用改进的PSO算法对神经网络模型的参数进行求解,同时研究了先验知识对提高神经网络模型泛化性能的作用及其影响因素。计算结果表明,采用混沌系统已知的动态方程作为先验知识,可以明显提高前馈网络模型的泛化性能。Chen系统中三个分量采用新型网络模型计算的平均绝对百分误差比BP模型分别减小了21.58、21.21、1.247;同样,Mackey-Glass系统使用新型网络模型后平均绝对百分误差减小了53%。网络结构的复杂程度、训练样本数量和学习精度都会起到一定影响作用,其中样本越少、学习精度越低,先验知识提升泛化性能的作用越明显。网络的结构会对先验知识的提升效果造成影响,在计算结果最合理的网络结构下先验知识的作用往往最明显。(3)放射性污染物预测的新型机理神经网络模型的建立与验证为解决机理模拟迭代计算时间长、灵活性不足的缺点,实现对污染物浓度变化趋势的快速准确预测,给出了将机理模型与数据驱动模型耦合的方法,将代表研究对象物理机理的组分输运方程作为先验知识,构建了一类新型的先验前馈网络模型,并将其应用到事故条件下放射性核素的浓度预测。研究表明,机理性先验知识由于能反映出样本数据所不包含的物理特性,比由样本数据生成的单调性先验知识具有更强的约束性。在样本数量充足的情况下,单调性先验知识对网络计算精度的提升效果并不明显。在对长序列的污染物浓度变化过程进行预测时,先验知识同样可以提高预测精度,全预测期的相对误差从243%下降到50%以内。但由于误差传递的作用和逆归一化处理对误差的放大,在预测时段后期预测精度会逐渐下降。结合预测结果和事故初期对计算精度的需求,认为该模型具有实现事故后对污染物快速准确预测的实际应用价值。本文针对描述污染物扩散迁移运动的机理模型和数据驱动模型的不足,构建了一类有一定物理意义的先验前馈网络模型,并从数学模型和实例分析两方面开展了一系列研究工作,对我国内陆核电水安全管理提供了理论支撑。在总结研究成果的同时,针对本文研究过程中的不足,展望了未来可以继续深化研究的工作方向。
【图文】:

放射性核素,河流,扩散强度,放射性元素


和密度分层引起的对流作用会使放射性核素在垂直方向上扩散,且不同水层放射逡逑性核素的扩散强度和浓度不同:⑤由于水力条件的改变,水流流速减缓,放射性逡逑悬浮物比河流中更容易发生沉淀。

放射性核素,水库,扩散迁移,来源


放射性物质被底泥吸附逦\\逡逑图1-2放射性元素排入河流的迁移运动(图片来源:I化A19号报告)逡逑在湖泊、水库中,放射性核素也会进行与河流中大致类似的扩散迁按运动,逡逑但湖泊、水库因其水面宽广,水流流速相对放慢,水体滞留调蓄功能加大,风力逡逑影响显著,水深较深W及边界条件等特点使得放射性核素在湖泊、水库的扩散迁逡逑移又与其在河流中迁移有所不同(Monte邋etal.,邋2003),主要不同点如下:①对于流逡逑速较慢的深水湖泊和水库,核素的随流运动和输运作用减弱而其它扩散作用变强,逡逑这种扩散混合往往是非均匀的:②进入湖泊和水库的放射性核素,,会水流入口逡逑为圆也的扇形方向扩散;⑤在湖泊和水库中,风浪造成的放射性核素扩散迁移变逡逑得异常明显;④对于水深较大而水面又较为宽广的湖泊、水库
【学位授予单位】:武汉大学
【学位级别】:博士
【学位授予年份】:2015
【分类号】:X771

【相似文献】

相关期刊论文 前10条

1 王阿明,刘天放,王绪;高阶神经网络模型特性研究[J];中国矿业大学学报;2003年02期

2 杨天才,刘鸿,程绍佳,杨长青;一种神经网络模型在混凝土配比设计中的应用[J];武汉工程职业技术学院学报;2003年02期

3 朱伟,龚红英,张质良,娄臻亮,刘晖,周士侃;两种神经网络模型在材料领域中的应用[J];材料导报;2003年11期

4 韩波;黄雄巍;;神经网络模型在北海市空气日报污染指数计算中的应用[J];中国环境管理干部学院学报;2012年03期

5 树锦;;神经网络模型在河道水质建模中的应用初探[J];江苏水利;2013年10期

6 王晓峰;;一种对偶互反馈神经网络模型及其在线性规划上的应用[J];沈阳化工学院学报;1990年03期

7 赵千里,高谦;采矿神经网络模型在金川二矿区的开发应用[J];有色冶炼;1999年S1期

8 刘亚秀;;英文字母中的噪声信号对神经网络模型识别的影响[J];防灾科技学院学报;2006年04期

9 成小平,胡聿贤,帅向华;基于神经网络模型的房屋震害易损性估计方法[J];自然灾害学报;2000年02期

10 楚艳艳;汪青;崔世忠;禹建丽;;基于组合神经网络模型对纺织品热阻与湿阻的估计研究[J];丝绸;2008年04期

相关会议论文 前10条

1 孙宝成;刘锡荟;;时间序列神经网络模型[A];全国青年管理科学与系统科学论文集(第1卷)[C];1991年

2 周金荣;胡泽新;黄道;;一种多层混合型神经网络模型的研究[A];1995中国控制与决策学术年会论文集[C];1995年

3 王阿明;刘天放;;高阶神经网络模型特性研究[A];中国地球物理学会年刊2002——中国地球物理学会第十八届年会论文集[C];2002年

4 屈景怡;王如彬;;大脑皮层神经网络模型同步问题研究[A];第十四届全国非线性振动暨第十一届全国非线性动力学和运动稳定性学术会议摘要集与会议议程[C];2013年

5 张美恋;林熙;;经济增长的神经网络模型[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 陈昭炯;叶东毅;;一个改进的竞争神经网络模型[A];1996中国控制与决策学术年会论文集[C];1996年

7 郭成安;李建华;李明伟;;从观测数据学习后验概率函数:一种最佳神经网络模型的设计与分析[A];第十届全国信号处理学术年会(CCSP-2001)论文集[C];2001年

8 李媛;康春艳;于亚芳;;交指型缺陷接地结构共面波导的神经网络模型[A];2009年全国微波毫米波会议论文集(上册)[C];2009年

9 禹建丽;苏中义;杨卫平;;牵引传动中润滑油牵引系数的神经网络模型[A];2005年中国智能自动化会议论文集[C];2005年

10 胡金亮;李建生;余学庆;沈建京;周涛;王永炎;;用于中医证候量化诊断的神经网络模型的探索[A];计算机在诊法中的应用与研究论文汇编[C];2005年

相关重要报纸文章 前1条

1 自治区交通厅养路费征稽处 程爱娟;应用“神经网络模型”预测妇女的平均工资水平[N];新疆科技报(汉);2000年

相关博士学位论文 前10条

1 周彦辰;事故条件下放射性废液污染预测的机理性神经网络模型研究[D];武汉大学;2015年

2 袁朝晖;二元离散神经网络模型的动力学分析[D];湖南大学;2003年

3 王军平;几类离散神经网络模型的动力学分析[D];复旦大学;2006年

4 南晋华;决策神经网络模型及应用研究[D];华中科技大学;2008年

5 周日贵;量子神经网络模型研究[D];南京航空航天大学;2008年

6 刘艳青;时滞神经网络模型的稳定性研究[D];天津大学;2005年

7 赵灵晓;基于部件神经网络模型的制冷系统混合仿真方法及应用[D];上海交通大学;2010年

8 朱红;高速(HS-K-WTA)神经网络模型[D];南京理工大学;2003年

9 熊佩英;几类神经网络模型的动力学分析[D];湖南大学;2013年

10 刘开宇;几类二元神经网络模型的动力学性质研究[D];湖南大学;2004年

相关硕士学位论文 前10条

1 杨巍;三元离散神经网络模型的稳定性与分岔分析[D];东北林业大学;2010年

2 孙文渊;基于BP神经网络模型下预测吉林省GDP[D];延边大学;2015年

3 李波;一类带有分段连续控制项的非线性递推关系的渐近周期性[D];延边大学;2015年

4 巩云野;两类具有时滞项的Cohen-Grossberg神经网络模型的稳定性分析[D];东北林业大学;2015年

5 王薇;一类离散时间双极人工神经网络模型的周期性[D];延边大学;2015年

6 李辰风;改进遗传BP网络的地表沉降预测方法研究[D];江西理工大学;2015年

7 尤军;民用建筑沉降监测与预报方法应用研究[D];宁夏大学;2015年

8 吴娇娇;基于时空神经网络模型的瓦斯浓度预测研究[D];中国矿业大学;2015年

9 李灵光;细长导轨加工变形分析与参数优化技术[D];北京理工大学;2015年

10 王鹏;切换Cohen-Grossberg神经网络模型的动力学分析[D];长沙理工大学;2014年



本文编号:2670419

资料下载
论文发表

本文链接:https://www.wllwen.com/shengtaihuanjingbaohulunwen/2670419.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户04375***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com