Abstract
The aim of this work is to study the possibility of using an artificial neural network for identification and quantitative assessment of the content of individual radionuclides in the total beta spectrum. The neural network implemented by using of Matlab R2020b. A single-layer feedforward neural network with one invisible layer of 10 neurons and 3 outputs (according to the number of radionuclides) was used. To test and study the capabilities of the artificial neural network, 3 smooth model spectra were selected — 40 K, 137 Cs and 90 Sr, obtained on the liquid spectrometer Quantulus 1220. The results of the study showed that neural networks are an effective method for recognizing of the contribution of an individual radionuclide or establishing its presence in the total beta spectrum. The recognition accuracy depends on the smoothness of the spectrum and does not exceed 30% if the share of the radionuclide in the total spectrum is more than 10%, which is quite suitable for practical use. For statistically «noising» spectra, the method can be used to preliminary estimate the weight coefficients of individual radionuclides, the final value of which can be obtained by minimization methods with subsequent statistical criterial fitting of the total spectrum shape.
Highlights
Radiation measurementsСанкт-Петербургский научно-исследовательский институт радиационной гигиены имени профессора П.В
Задача определения радионуклидного состава исследуемого образца в спектрометрии, включая бетаспектрометрию и бета-радиометрию, является традиционной, широко распространенной и практически реализованной
The aim of this work is to study the possibility of using an artificial neural network for identification and quantitative assessment of the content of individual radionuclides in the total beta spectrum
Summary
Санкт-Петербургский научно-исследовательский институт радиационной гигиены имени профессора П.В. Целью работы является исследование возможности применения искусственной нейронной сети для идентификации и количественной оценки содержания отдельных радионуклидов в суммарном бета-спектре. Для исследования использована однослойная нейронная сеть прямого распространения с одним невидимым слоем из 10 нейронов и 3 выходами (по числу радионуклидов). Результаты исследования показали, что нейронные сети являются эффективным методом распознавания вклада отдельного радионуклида или установления его наличия в суммарном бета-спектре. Цель исследования – оценить возможности практического применения ИНС для выявления и количественной оценки вкладов отдельных радионуклидов в суммарном бета-спектре. Среда MATLAB включает широкий набор инструментов, одним из которых является Neural Network Toolbox (NNT), который содержит средства для разработки и визуализации нейронных сетей. Методический раздел данного исследования включал: – выбор ИНС и среды моделирования; – подготовку обучающей выборки и обучение ИНС; Для создания ИНС и ее тестирования в программной среде MATLAB была выбрана однослойная нейронная сеть прямого распространения feed forward neural net.
Sign-in/Register to view highlights & summary 
Published Version (
Free)
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a call