研究目的
研究将人工神经网络与蒙特卡罗模拟相结合,用于分析中子活化分析获得的伽马能谱,特别是用于量化肾结石中的微量元素。
研究成果
该研究成功展示了人工神经网络结合蒙特卡罗模拟在分析中子活化伽马能谱中的应用。采用5-23-5结构的Levenberg-Marquardt算法人工神经网络为肾结石中微量元素的定量分析提供了最优结果,其中锌元素的检测差异最大。该方法为传统能谱分析提供了省时的替代方案,通过改进校正方法和提高测量精度仍有进一步优化潜力。
研究不足
由于锌同位素衰变半衰期较长,该研究在锌浓度估算精度方面存在局限。实验光谱与模拟光谱的校正不够完善,导致实验数据分析时差异较大。该方法需精确质量测量及更高灵敏度的中子活化分析以提高准确性。
1:实验设计与方法选择:
本研究采用蒙特卡洛模拟生成人工神经网络(ANN)的训练数据集,用于分析中子活化分析(NAA)产生的伽马能谱。使用具有5-23-5结构的Levenberg-Marquardt算法神经网络进行定量分析。
2:样本选择与数据来源:
密苏里科技大学反应堆(MSTR)中辐照了四种不同类型的肾结石(鸟粪石、磷灰石、一水草酸钙和尿酸)。同时辐照5 mg氯化钠样本用于校准。
3:实验设备与材料清单:
使用MCNP6和CINDER’90代码进行模拟。采用MATLAB神经网络工具箱构建人工神经网络。使用ROOT软件进行峰分析。
4:实验流程与操作步骤:
肾结石在100 kW功率水平下辐照3小时。样本制备为粉末形式。使用ROOT分析伽马能谱以提取峰特征。
5:数据分析方法:
使用模拟数据集训练人工神经网络。利用能谱的峰计数训练神经网络进行元素识别和定量分析。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容