基于压缩感知理论的~(252)Cf源中子脉冲信号分析

针对252Cf源驱动核材料产生裂变中子脉冲信号具有脉冲序列特殊的"0,1"稀疏结构之特点,采用压缩感知理论,通过巧妙引入图论中的二分图模型,同时结合二分图的最小覆盖性质,适当添加约束条件,构建了稀疏均匀的观测矩阵。研究结果表明,利用压缩感知理论对"0,1"中子脉冲序列特殊稀疏结构的信号重构算法不仅可行,而且还获得了优于l1范数最小化方法重构结果,这对252Cf驱动核材料的中子脉冲信号分析与处理提供了一种新的途径或方法。     

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。     

基于压缩感知的~(252)Cf源驱动核材料浓度识别技术研究

针对252Cf源驱动噪声分析测量法中核材料浓度识别问题,采用压缩感知理论,在K最近邻(KNN)识别算法基础上,研究了一种基于压缩采样的K最近邻(CSKNN)分类识别方法,进而研究并分析了CSKNN方法的识别概率。实验结果表明,CSKNN分类识别方法只需少量的观测值(观测比M/N≥0.1),即可达到分类识别的目的;当信噪比提高时,识别概率将会以更快的速度收敛至100%,且对K值的敏感程度也会随之降低。这样,不仅提高了核军控核查的实时性,而且还有效降低了采样成本,为核材料浓度的在线判读提供了一种新的理论基础和实现方法。     

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。     

基于Elman神经网络的252Cf源核系统随机中子脉冲信号识别方法

 针对²⁵²Cf自发裂变中子源构成的核信息系统,以实际所测随机中子脉冲数据的自相关函数为研究对象,借助仿真实验, 利用Elman神经网络对不同质量核材料进行识别。在实测数据的基础上,通过叠加随机抖动,模拟产生了不同质量核材料的相关函数样本,并将其用于神经网络的训练与测试,实验结果表明,训练过的Elman神经网络能够较好地识别相关函数的特征,分辨不同质量的核材料,平均识别率达到85%,综合平均误差为0.04,且具有较高的鲁棒性。     

薄壁快脉冲252Cf裂变电离室的研制及性能测试

介绍了用于中子探测器效率刻度的薄壁快脉冲252Cf裂变电离室。 在用飞行时间法测量中子能谱时, 该裂变电离室能够给出252Cf裂变中子发射时刻信号, 输出脉冲上升时间约为5.5 ns, 电离室由厚度为0.15 mm的不锈钢构成。 测试结果表明, 对裂变碎片的探测效率为99.2%, α粒子脉冲幅度和碎片脉冲幅度可清晰分开。A thin wall, fast pulse 252Cf ionization chamber, which was designed for calibrating efficiency of neutron detectors, was described. The ionization chamber can be used as the start detector in time of flight measurements of the 252Cf fission neutron spectrum. The chamber is composed of 0.15 mm thick stainless steel, the rise time of pulse signals is about 5.5 ns. As the test result shows, the detection efficiency of fission fragments is 99.2%, and pulse signals caused by fissions are distinguished clearly from those caused by α decays.     

互相关及高阶谱核材料富集度识别方法

针对基于传统核材料识别系统中特征值易受系统噪声影响且精确度不够的问题,将高阶统计特征概念引入252Cf源驱动核系统特征提取和识别之中,提出了一种基于互相关函数与高阶统计特征的252Cf源驱动核材料富集度识别方法。通过互相关运算及高阶统计分析,得到核系统信息的三维特征图像,并在此基础上开展了待测核材料(235U)的富集度实验研究与分析识别工作。实验研究结果表明,该识别方法能够较好地降低背景辐射噪声与电子学系统噪声。与传统识别方法相比,对于核部件富集度变化,该算法的敏感性与鲁棒性均有大幅提高。     

基于支持向量机的~(252)Cf中子裂变信号时频特征分析及识别

基于裂变中子(252Cf)对裂变链(235U系统)依存关系,在对252Cf中子裂变信号的测量原理及信号特点分析基础上,开展了基于支持向量机的中子裂变信号时频特征分析及识别研究工作。采用小波分解和去噪小波包分解方法,提取不同状态下随机核信号的时频能量特征,借助于统计学习理论的支持向量机(SVM)分类器原理进行训练和分类。研究结果表明:通过直接小波分解或去噪小波包分解,以获取核信号特征的方法是有效的;去噪小波包分解特征提取方式,较之直接小波分解特征提取方式更能反映中子裂变核系统的内部特征和规律;基于SVM核信号样本的分类,训练后的SVM分类器有着大于70%以上的正确率,且较好地克服了训练样本数较少的问题,验证了方法的可行性和有效性。     

密封Cf源的成分测定和中子发射率修正

当密封Cf源寿命超过20年后,其他同位素和子体核素尤其Cf-250和Cm-248的贡献不断增大,使得Cf源中子发射率不能简单按照Cf-252半衰期进行估算。基于Cf源中同位素及其子体核素的衰变和自发裂变规律,提出了一种测定密封Cf源中Cf-252和Cf-250成分的方法,达到快速估算寿命超过20年的Cf源中子发射率的目的。采用长计数器相对测量得到一个使用近30年Cf源在某一时刻的中子发射率,确定了该源初始时刻Cf-252和Cf-250原子核数分别为4.452×1016和7.746×1015,据此给出了Cf源的中子发射率随时间的变化关系。同时在另外两个时刻的推算结果与长计数器测量结果符合得非常好,相对偏差小于0.3%,进一步验证了该方法的可靠性。此外还对Cf-252,Cf-250和Cm-248对中子发射率的贡献与中子源寿命的关系进行了分析,结果表明当Cf源寿命达到30年时,Cf-252对总中子发射率的贡献已经降至67.65%,而Cf-250和Cm-248的贡献已经达到29.32%和2.94%。     

~(252)Cf自发裂变中子发射率符合测量的回归分析

~(252)Cf同位素源具有标准的自发裂变中子能谱,但由于其半衰期较短,应用中常需要对源强进行标定修正.随着源年龄增加,来自源中~(250)Cf和~(248)Cm自发裂变的影响愈加凸显,不能简单按~(252)Cf的衰变规律计算源中子发射率,而通过锰浴活化的间接测量方法周期较长,且在源强低于10~4 n/s时误差较大.最近,基于中子多重性计数的源强绝对测量算法已得到验证.本文进一步从点模型假设的测量方程出发,在将符合计数率与总中子计数率关联的基础上,分别对符合计数率随源位置、符合门宽的变化关系进行回归分析,提取变化过程的特征系数,建立了两种避规效率变化的~(252)Cf中子发射率测量方法,并基于JCC-51型中子符合测量装置开展实验验证.结果表明:两种回归分析方法的测量值均与标称值的修正结果在2%的偏差范围内一致;反推求得装置中轴线上的探测效率也与基于MCNPX程序的蒙特卡罗模拟计算值相符.研究结果可为活度信息不明的~(252)Cf源强标定及符合测量装置的效率刻度提供便携准确的实验方法.     

基于傅里叶变换红外光谱指纹技术的艾叶产地溯源研究

中药材产地对中药材品质与安全有直接影响。从生物学角度,中药材是物种受特定生态环境的影响,在长期生态适应过程中所形成的。药材生长所需的气候、土壤、水文等生态因素与其生长发育和品质唇齿相关,并带有地域信息的指纹特征。近年来,中医药产业的快速发展带来了中药材资源需求量的激增,但同时也存在诸多安全隐患,药材产地难以区分和溯源已成为制约中医药发展的主要瓶颈之一。以国内4个省份5个主产区的75份艾叶样品为实验材料,采用FTIR法进行红外特征分析和数据挖掘,通过比较多种光谱信号预处理方法（如高斯滤波、多元散射校正、标准正态变换、一阶/二阶导数等）和多种模式识别技术（如BP神经网络、随机森林、K-最近邻算法、贝叶斯算法、粒子群优化支持向量机模型等）,探索适合艾叶产地溯源的计量学方法。结果表明,K-最近邻算法、贝叶斯算法及粒子群优化支持向量机3种模式识别效果最为理想,测试集的正确率均为100%。基于运行时间、鉴别正确率与模型稳定性综合考虑,最终确定K-最近邻算法是艾叶产地鉴别的最优方法。整体来看,红外光谱指纹技术结合适当的化学计量学方法能够用于艾叶的产地溯源,研究结果为艾叶的道地性评价和质量控制提供技术支持,也为其他药材的等同性研究提有益参考。     

基于粒子群优化算法的测光红移回归预测

星系的红移在天文研究中极其重要,星系测光红移的预测对研究宇宙大尺度结构及演变有着重要的研究意义。利用斯隆巡天项目发布的SDSS DR13的150 000个星系的测光及光谱数据进行分析,首先根据颜色特征并基于聚类的方法对星系进行分类,由分类结果可知早型星系的占比较大。对比了三种不同的机器学习算法对早型星系进行测光红移回归预测实验,并找出最优的方法。实验中将星系样本中u, g, r, i, z五个波段的测光值以及两两做差得到的10个颜色特征作为输入数据,首先构建BP网络,使用BP算法对星系的测光红移进行回归预测;然后利用遗传算法（GA）优化BP网络各层参数,将优化后的GA-BP算法应用于早型星系的回归预测试验中。考虑到GA算法的复杂操作会影响预测效率,并且粒子群算法（PSO）不仅稳定性高且操作简单,因此将粒子群算法应用到星系样本中早型星系的测光红移回归预测实验中,进而采用粒子群算法优化BP网络（PSO-BP）。实验中将光谱红移作为期望值,采用均方差（MSE）作为误差分析指标来评判三种算法的精度,将PSO-BP回归预测结果与BP网络模型、GA-BP网络模型进行比较。由实验结果可知,BP网络的MSE值为0.001 92,GA-BP网络的MSE值0.001 728,PSO-BP网络的MSE值为0.001 708。实验结果表明,所用到的PSO-BP优化模型在精度上优于BP神经网络模型和GA-BP神经网络模型,分别提高了11.1%和1.2%;在效率上优于传统的K近邻（KNN）测光红移估计算法, 克服了KNN算法中遍历所有数据样本进行训练的缺点并且其泛化性能优于其它BP网络优化模型。     

基于PCA和BP神经网络的硝酸盐氮浓度检测方法

针对紫外分光光度法（UV法）检测混有干扰物质的硝酸盐氮溶液浓度精度不高的问题，提出一种基于主成分分析（principal component analysis，PCA）和BP神经网络的硝酸盐氮浓度检测方法。通过微型光谱仪物质成分检测系统测得硝酸盐氮试剂在196 nm～631 nm波段的吸光度数据，分为测试集和训练集。通过PCA计算训练集，得到主成分。根据BP算法搭建三层人工神经网络。将所得主成分除以8后输入网络展开训练。训练过程中采用留一法交叉验证。用该模型计算训练集和测试集，所得值与真实浓度的平均相对误差分别为2.411 5%和1.553%。实验结果表明，该方法能较好检测出混有干扰物质的硝酸盐氮溶液浓度。     

基于Bagging 算法的神经网络在粒子鉴别中的应用

分析了神经网络方法和bagging 算法在实验高能物理和核物理数据分析中的应用现状。分别对神经网络方法和bagging 算法的基本原理进行了介绍。以蒙特卡罗产生器产生的夸克胶子喷注样本为例,详细讨论了神经网络方法以及bagging 算法与神经网络结合对粒子鉴别中信号和背景区分问题的应用过程,并对结果进行了讨论和分析。实验结果表明,应用bagging 算法后,神经网络能够较大幅度地提高实验高能物理和核物理数据分析中粒子鉴别的精度,以及能够得到较高的信噪比。The paper presents the application of neural network and bagging algorithm in experimental high-energy physics and nuclear physics data analysis. Paper also introduces the basic principles of neural network method and bagging algorithm. We use the data samples of quark-gluon jets, which are generated by Monte Carlo generator, to solve the problem of discriminating signal events and background events by the combined algorithm of bagging algorithm and neural network. Experimental results show that, to apply bagging algorithm, neural networks can greatly improve the accuracy of the identification of particles in the experiments of high energy physics and nuclear physical data analysis,and also obtains a larger SNR (Signal to Noise Ratio).     

BP神经网络在磷酸盐溶液紫外吸收光谱中的应用

利用紫外分光光度法测定磷酸盐溶液的光谱,经过转换得到吸光度与溶液浓度的非线性关系,使用BP神经网络算法处理此非线性问题。Matlab语言中的神经网络工具箱提供了许多有关神经网络设计、训练和仿真的函数来实现BP网络,使应用BP网络来解决此类问题变得方便和有效。实验证明Levenberg-Marquardt法网络收敛速度最快,量化共轭梯度法最慢。本文还运用Matlab中的数据拟合法与BP神经网络法进行比较,前者虽然得到拟合曲线关系式,但较为复杂,工作量大。因此,BP神经网络法更适合于解决此类问题。     

人工神经网络分类鉴别苦丁茶红外光谱

为了分类鉴别苦丁茶,采用竞争神经网络(CNN)和反向传播人工神经网络(BP网络)两种模式的人工神经网络(ANN)分别分析了各种苦丁茶的红外谱图。作者采用25个样本作训练集,11个样本作检验集,用两种网络进行了训练。结果表明,CNN网络和BP网络均能够有效地实现苦丁茶产地的鉴别,但CNN网络能够进一步地区分苦丁茶的级别。实验表明,CNN速度快,预测结果准确,可望用竞争神经网络(CNN)和红外光谱法结合分类鉴别苦丁茶。     

衰减全反射红外光谱法快速分类和识别多种食用油的方法

提出了一种衰减全反射红外光谱法快速分类和识别多种食用油的方法——KL-BP模型。此模型利用KL算法对原始光谱数据分类特征进行提取并对原始数据降维,降维后的数据作为神经网络的输入建立分析模型。实验共收集了九种食用油包括芝麻油、玉米油、油菜籽油、调和油、葵花油、花生油、橄榄油、大豆油、茶籽油,共84个样品,并测定了其衰减全反射红外光谱。为了对比所提方法性能,分别建立PCA直接分类、KL直接分类、PLS-DA、PCA-BP和KL-BP模型的分类结果进行对比。研究结果表明,对所研究的9种食用油,PCA直接分类、KL直接分类、PLS-DA、PCA-BP和KL-BP方法的识别率分别为59.1%,68.2%,77.3%,77.3%和90.9%。在数据降维中,KL算法通过分别提取使类间距离和类内距离比值最大方向的特征向量提取和包含在类内离散度矩阵中的分类信息,能够比PCA方法提取了更多的分类信息;引入BP神经网络能有效地提高分类能力和分类准确率;KL-BP综合了KL对分类信息提取优势以及BP神经网络自学习、自适应、非线性的优点,在分类和识别成分相近的9种食用油中表现出了最优秀的能力。     

多任务神经网络对原子核低激发谱的研究

原子核低激发谱对深入理解原子核结构具有重要作用。采用多任务反向传播(Back Propagation,BP)的神经网络方法系统研究了原子核$ {2}_{1}^{+} $和$ {4}_{1}^{+} $的激发能量。除了质子数和中子数外,通过在网络输入层增加一个有关原子核集体性的物理量,BP神经网络在0.1 MeV到数MeV的能量范围内很好地拟合了原子核的低激发能。相比五维集体哈密顿量(Five-Dimensional Collective Hamiltonian,5DCH)方法,BP神经网络更好地再现了原子核低激发能的同位素趋势,以及由壳效应导致的幻数原子核低激发能的突然增大,并且将$ {2}_{1}^{+} $和$ {4}_{1}^{+} $激发能的预言精度分别提高了约80%和75%,该预言精度与单任务神经网络基本一致,但是改进了对轻核区与缺中子核区低激发谱的学习能力,这说明多任务神经网络可以实现多种激发能量的统一精确计算。