利用自相关函数与平稳小波变换的252Cf源驱动核材料质量识别方法

 以²⁵²Cf中子源驱动噪声分析测量法为依据,利用中子脉冲信号自相关函数与被测核材料(²⁵²U)质量的关系,设计了一种基于神经网络的核材料质量识别方法,探索借助时域特征进行质量识别的有效性。利用平稳小波变换抑制中子统计涨落对自相关函数带来的影响,利用分布式Elman神经网络对不同质量核材料的自相关函数样本进行训练和识别,并研究了有限样本前提下不同子网个数对最终识别结果所造成的影响。对4种核材料质量共计120组样本进行的实验,结果表明：在理想实验条件下,平稳小波变换抑制了统计涨落对信号自相关函数的影响;分布式Elman神经网络能够较好地识别自相关函数的特征,分辨不同质量的核材料,平均识别误差小于0.1。     

利用自相关函数与平稳小波变换的^(252)Cf源驱动核材料质量识别方法北大核心CSCD

以252Cf中子源驱动噪声分析测量法为依据,利用中子脉冲信号自相关函数与被测核材料(252 U)质量的关系,设计了一种基于神经网络的核材料质量识别方法,探索借助时域特征进行质量识别的有效性。利用平稳小波变换抑制中子统计涨落对自相关函数带来的影响,利用分布式Elman神经网络对不同质量核材料的自相关函数样本进行训练和识别,并研究了有限样本前提下不同子网个数对最终识别结果所造成的影响。对4种核材料质量共计120组样本进行的实验,结果表明:在理想实验条件下,平稳小波变换抑制了统计涨落对信号自相关函数的影响;分布式Elman神经网络能够较好地识别自相关函数的特征,分辨不同质量的核材料,平均识别误差小于0.1。     

利用BESⅢ的双层TOF寻找D0-D0混合的研究

在ψ(3770)处, D⁰→K^－π⁺是研究D⁰-D⁰混合的非常理想的衰变道. 实验上, 良好K/π识别技术将对寻找D⁰-D⁰混合过程起着决定性的作用. 在BESⅢ实验的物理预研究中, 发现利用飞行时间的信息, 能够精确测定末态中含有多条带电径迹事例的起始时间, 从而可以改善飞行时间计数器的时间分辨率. 进一步的研究表明, 应用该方法后, BESⅢ双层TOF的时间分辨率从～78ps降到～64ps. 按照20fb^－1的ψ(3770)数据量进行估算, 在95%置信度下, D⁰-D⁰混合率的上限值可以提高7%左右.     

关联实验数据线性函数拟合情况下无偏χ2估计量的构造

针对线性函数拟合的情况构造了一种无偏的因子化形式的χ²估计量, 用以处理关联数据的极小化. 详细比较并说明了有偏性与无偏性χ²拟合的区别. 利用简化的R值测量数据对相关的结论进行了定量的检验.     

235U(n,f)裂变的三通道理论研究

将裂变的多通道模型和无规颈断裂模型相结合,系统地计算了0≤En≤6.0MeV中子诱发²³⁵U裂变的碎片质量分布和平均总动能分布.通过最小二乘法与实验数据拟合,得到了²³⁵U(n,f)裂变的三个通道道概率随中子能量变化的规律.理论计算结果与实验数据符合得较好.     

ψ′→J/ψ π+π－衰变振幅的分波分析

从ψ′→J/ψ π⁺π^－衰变振幅的普遍表达式和过程的运动学出发,给出了ππ不变质量谱,角关联谱和不变质量–角关联双变量谱;进行了分波分析,使得从实验上检测D波跃迁成为可能.文中还对来自J/ψ反冲的D波跃迁作了讨论.     

一种252Cf裂变中子源的中子、γ射线飞行时间谱测量新方法

 针对²⁵²Cf快中子、γ射线的飞行时间谱测量要求,提出并建立一种基于高速数据采集卡的新型测量系统。采用1 GHz高速A/D转换单元和现场可编程门阵列高速处理单元,进行脉冲时间序列的在线检测,时间精度为1 ns。使用相关函数法,通过PC机的数据处理、互相关函数计算和数值统计等实现中子、γ射线飞行时间谱的测量。实验结果表明,该系统可以获得²⁵²Cf自发裂变中子源的中子、γ射线飞行时间谱,与经典的飞行时间谱测量方法相比较,其图谱表达及数值结果有着很高的吻合度。     

Pentaquark Θ+的介质效应

在密度相关的相对论平均场理论基础上, 假定Θ⁺通过交换有效的同位旋标量介子σ和ω与其他重子发生相互作用, 研究了强子在包含Θ⁺的奇异核物质中的性质改变. 讨论并计算了介质中的Θ⁺和核子有效质量及其对重子密度的依赖关系, 分析了Θ⁺在核物质中包含的成分大小以及核子的同位旋效应对奇异核物质性质的影响, 进一步计算了不同重子组成比例下奇异核物质的标量密度ρ_S和矢量密度ρ_B的对应曲线.     

基于上海激光电子γ源的天体核合成关键反应12C(α,γ)16O的反应率研究

正在研制的上海激光电子γ源是MeV量级的高品质γ光束线站，基于该装置可以开展一系列核天体物理实验, 从而更准确的确定各天体核合成反应的反应率. 本文研究了天体核合成中的关键反应¹²C(α,γ)¹⁶O的反应率. 根据多组实验和理论截面数据分别计算了反应率, 并给出了这些反应率计算结果的平均值和统计误差. 根据该结果拟合了理论反应率的解析形式, 确定了新的参数. 进而给出俘获反应¹²C(α,γ)¹⁶O在He燃烧环境下的反应率和误差, 并讨论了电子屏蔽效应对天体反应率的修正.     

中能中子与58Ni反应的理论计算

在中子与⁵⁸Ni反应的总截面、去弹性散射截面和弹性散射角分布的实验数据基础上, 获得了入射中子能量从0.825—150MeV的一组普适的中子与⁵⁸Ni反应的光学模型势参数. 利用光学模型、宽度涨落修正的Hauser-Feshbach理论、预平衡反应的激子模型和核内级联模型的中能核反应计算程序MEND, 计算了中子与⁵⁸Ni反应的所有截面、角分布和能谱, 并将理论计算结果与实验数据和评价数据进行了分析比较.     

EMD与神经网络在气液两相流流型识别中的应用

本文提出了EMD与Elman神经网络相结合的气液两相流流型识别的新方法.将压差波动信号经验模态分解(EMD)后的固有模态函数(IMF)进行分析、提取IMF能量作为Elman神经网络的输入特征向量,对水平管内的气液两相流流型进行识别.实验结果表明:该方法优于BP网络且稳定、识别率高,具有可行性.     

基于深度学习的252Cf源驱动核材料浓度识别技术

针对核武器/核材料识别系统中核材料浓度识别的关键技术问题,采用Monte Carlo方法,通过建立252Cf源驱动核材料裂变中子信号样本库,模拟分析了随探测器距离和角度及核材料浓度变化的裂变脉冲中子信号特点,基于深度学习之卷积神经网络,构建了一种252Cf源驱动核材料浓度识别方法,实现了对测试样本浓度的识别,且还与BP神经网络和K最近邻方法进行了对比试验研究。结果表明,卷积神经网络算法进行核材料浓度识别,得到了高达92.05%识别准确率,不仅解决了因探测器距离和角度变化时对核材料浓度识别准确率影响的难题,而且还获得了优于BP神经网络和K最近邻算法对核材料浓度识别的认识,这为252Cf源驱动核材料浓度识别提供了一种新的途径。     

Study on two-dimensional distribution of X-ray image based on improved Elman algorithm

The principle of the X-ray detector which can simultaneously perform the measurement of the exposure rate and 2D (two-dimensional) distribution is described. A commercially available CMOS image sensor has been adopted as the key part to receive X-ray without any scintillators. The correlation between the pixel value (PV) and the absorbed exposure rate of X-ray is studied using the improved Elman neural network. Comparing the optimal adjustment process of the BP (Back Propagation) neural network and the improved Elman neural network, the neural network parameters are selected based on the fitting curve and the error curve. The experiments using the practical production data show that the proposed method achieves high accurate predictions to 10⁻¹⁵, which is consistent with the anticipated value. It is proven that it is possible to detect the exposure rate using the X-ray detector with the improved Elman algorithm for its advantages of fast converges and smooth error curve.     

应用化学计量学技术研究同时定量分析重叠光谱

在八种化学计量学除噪技术比较研究的基础上,研制了小波包变换Elman回归神经网络方法(WPERNN)用于研究重叠光谱的同时定量测定。结合小波包变换和Elman回归神经网络改进除噪质量及回归能力。通过最佳化,选择了小波函数、小波包分解水平和Elman回归神经网络(ERNN)的结构及参数。两个程序PWPERNN和PERNN被设计执行WPERNN和ERNN方法计算。七种化学计量学方法用于比较研究。实验结果显示WPERNN方法是成功的且优于其他六种方法。     

基于数据库进行乏燃料鉴别的多元统计分析研究

近年来,随着国际核军控形势的变化,包含防扩散、防核恐及核安保的多边国际军控合作越来越受到重视.核取证技术作为防扩散、防核恐及核安保的一项核心技术,在对涉核非法活动的威慑、阻止以及响应方面具有重要作用,值得深入研究.目前针对核取证技术的研究较多,主要集中于材料的表征和数据的解读.其中解读作为核取证研究技术中最重要的一环,所面对的对象是多种多样的,包括铀矿石、黄饼、核燃料、乏燃料等,而其中乏燃料由于其潜在的威胁越来越受到重视.本文聚焦于在核取证场景中利用多元统计分析方法进行乏燃料鉴别的研究,主要是利用因子分析、判别分析和回归分析方法对乏燃料组分进行分析,研究各方法的适用范围,并为未来可能的利用数据库进行乏燃料鉴别的工作提供理论依据与可行方案,为相关核取证溯源工作的顺利开展提供支撑.     

深度学习在核物理中的应用

深度学习是目前最好的模式识别工具，预期会在核物理领域帮助科学家从大量复杂数据中寻找与某些物理最相关的特征。本文综述了深度学习技术的分类，不同数据结构对应的最优神经网络架构，黑盒模型的可解释性与预测结果的不确定性。介绍了深度学习在核物质状态方程、核结构、原子核质量、衰变与裂变方面的应用，并展示如何训练神经网络预测原子核质量。结果发现使用实验数据训练的神经网络模型对未参与训练的实验数据拥有良好的预测能力。基于已有的实验数据外推，神经网络对丰中子的轻原子核质量预测结果与宏观微观液滴模型有较大偏离。此区域可能存在未被宏观微观液滴模型包含的新物理，需要进一步的实验数据验证。     

Characteristics of mass and nuclear charge distributions of229th(nth,f). implications for fission dynamics

The mass and nuclear charge distributions of fission fragments from²²⁹Th(n_{th, f}) have been measured at several kinetic energies with the mass spectrometer Lohengrin (ILL-Grenoble). The average proton e-o effect, which reaches 41%, induces large oscillations in the parameters of the isotopic charge distribution. A comparison of the data from different fissile nuclei shows the importance of the last stage of the process for intrinsic excitations.     

基于Elman神经网络的磁场探头校准建模

针对大多数磁场探头都是在频域上校准、不能较好地满足测量电磁瞬变现象的问题,提出了一种基于Elman神经网络的磁场探头时域校准建模方法。利用Helmholtz线圈、浪涌发生器、示波器等仪器搭建了时域校准平台,对磁场探头进行校准实验,并采集浪涌发生器输出的电流波形和磁场探头的感应电压。分别以磁场探头的感应电压和Helmholtz线圈产生的磁感应强度数据作为输入输出,建立Elman神经网络模型。建模效果表明,所建模型能够准确地预测出磁感应强度的变化趋势,该校准模型具有一定有效性。     

Elman回归神经网络同时定量测定三种酚类化合物

应用Elman回归神经网络(ERNN)对光谱严重重叠的对-硝基苯酚,邻-硝基苯酚和2,4-二硝基苯酚体系的同时定量测定进行了研究,并与多变量线性回归(MLR)法作了比较。编制了PERNN和PMLR程序执行有关计算。通过最佳化确定了Elman回归网络的结构和参数。ERNN和MLR法所有组分的相对预测标准偏差(RSEP)分别为3.1%和2 027.3%,实验结果显示对于分辨严重重叠光谱本法是成功的。ERNN法是解决局部最小和提高收敛速度的一种有价值的工具,亦可用于分析全光谱而不只限于选取少数特征值。本法为不经预先分离同时测定严重重叠的分子光谱体系提供了新的途径。