核事故源项反演模型

利用机器学习方法从厂外伽马剂量率数据中反演短寿命核素释放率，为核应急决策提供更可靠的事故源项信息。

凌永生 · 单卿 · 黑大千 · Zhang, Xiaojun · 史潮 · 贾文宝 · Yue, Qi · Wang, Jing

Journal of Hazardous Materials 2023

参数信息

释放率平均绝对百分比误差 (Kr-88)
9.87 %
释放率平均绝对百分比误差 (Kr-88)
11.08 %
释放率平均绝对百分比误差 (Sr-91)
17.49 %
释放率平均绝对百分比误差 (Sr-91)
16.51 %
释放率平均绝对百分比误差 (Te-132)
7.16 %
释放率平均绝对百分比误差 (Te-132)
8.35 %
释放率平均绝对百分比误差 (I-131)
38.83 %
释放率平均绝对百分比误差 (I-131)
41.87 %

技术优势

误差低至7%

对Te-132的释放率估计平均绝对百分比误差在两种事故场景下分别为7.16%和8.35%，是所有核素中最低的。

无需详细事故信息

仅使用厂外伽马剂量率数据即可估计源项，不依赖堆芯状况、释放途径和释放条件等难以获取的信息。

LSTM模型最优

长短期记忆网络在所有对比模型中表现最好，适合处理时序的剂量率数据。

应用场景