一种γ核素识别方法技术

本发明专利技术提供了一种对复杂辐射场γ核素快速识别方法，包括：测量辐射场获得γ能谱；对γ能谱进行扣除综合本底及降噪处理，获得净能谱；根据净能谱中的峰位确定潜在核素；计算每个潜在核素的总净峰面积；对每个潜在核素的总净峰面积进行标准化处理，获得该潜在核素的标准化总净峰面积；对每个潜在核素的标准化总净峰面积扣除康普顿散射本底，获得每个潜在核素的纯峰面积值；计算每个潜在核素在所述辐射场的全概率值及概率标准阈值；计算每个潜在核素的存在概率。该方法对测量的能谱数据进行多重扣本底计算和标准化处理，结合由概率统计原理计算得到的全概率值和由标准源计算出的标准阈值，即可实现对核素及其存在概率的快速识别和计算。

【技术实现步骤摘要】

本专利技术涉及一种γ核素识别方法，特别涉及一种在复杂辐射场中快速识别γ核素的方法。
技术介绍
在核电站乏燃料或者放射性废物储存库、处理室中，存在着种类和强度未知的γ放射性核素，为了把握这些环境中潜在的核素信息，需要利用γ能谱探测器对辐射场中γ放射源放出的标识性γ射线进行能谱测量，通过核素识别方法对测量能谱进行分析，实现对辐射场中所存在核素的定性判断与定量分析。核素识别方法实现过程中关键的一点是对能谱的有效分析，而在对复杂辐射场所的γ放射性进行测量时，本底(包括天然本底、仪器本底等)是影响γ能谱分析的主要因素。目前降本底的方法有反符合法、物质屏蔽法、自然本底扣除法和SNIP法等。反符合法是在主探测器周围再装配大体积的主动防护探测器，只有主探测器探测到而主动防护探测器未探测到的事件，才被认为是来自样品的事件，以此达到降低干扰因素的影响，一般反符合硬件结构及电子学部分结构非常复杂，不适应复杂辐射场；物质屏蔽法多采用Pb室屏蔽，主要是屏蔽掉宇宙射线和环境放射性，适用于实验室分析的场所，对本身需要开放式测量的辐射场γ能谱探测无法使用。以上降本底方法在复杂辐射场γ能谱测量中均受到了限制，且均未考虑康普顿散射作用在感兴趣区能谱范围中造成的散射本底。自然本底扣除法是将待测样品γ能谱扣除同样条件下测量的天然本底，适用于任何场所；SNIP(sensitivenonlineariterativepeakclipping)法是采用对数运算和平方根运算的方法抑制噪声、增强弱峰的数学降本底方法，应用很广泛。但是，以上去本底方法都是对全谱本底的统一扣除，而均未考虑感兴趣区(RangeofInterest,ROI)中由高能γ射线造成的康普顿散射本底。核素识别方法实现过程中的另一个关键步骤是查找潜在核素并计算出潜在核素的存在概率。已有的方法有峰相关法、剥谱法、神经网络法。峰相关法使用峰的能量和峰的形状，通过将核素库中核素的特征γ峰能量与寻找到的峰能量直接进行相关分析，查找出潜在核素，并计算出核素对应的峰面积。该方法多采用最小二乘拟合的解谱方法，容易造成潜在核素的丢失分析，比较适用于能量分辨率较好的NaI(Tl)、半导体等类型γ探测器，在复杂辐射场中γ能谱分析中受到局限。去卷积法(有的也称剥谱法)是从测量的能谱中先找出一种容易识别的核素，把它的谱形求出来，并从混合谱中扣除掉，然后从剩余谱中再找出第二种核素并按同样的方法处理，直到求出所有的核素为止，通常从能量最高的特征峰开始对混合谱进行层层剥析。剥谱法中由于对单个核素的逐次迭代剥离，使得统计误差在迭代中累加，导致具有低能γ特征峰的同位素成份难以被精确分析。用于核素识别的人工神经网络模型有贝叶斯网络、最优线性联想记忆(OLAM)神经网络、BP人工神经网络，这些神经网络方法一定程度上克服了传统方法速度慢、不能准确分析含有重峰的复杂γ射线谱的缺点，但是它们均需要一批已知γ核素成分的样本作为学习样本，以对级联神经网络进行训练，然后再用训练好的网络对所有样本进行实时识别，具有不稳定性，而对稳定性要求很高的复杂辐射场核素分析而言，不能达到要求。
技术实现思路
针对现有技术中存在的问题，本专利技术的一个目的在于提供一种在复杂辐射场中快速识别γ核素的方法。该方法对测量的能谱数据进行多重扣本底计算和标准化处理，结合由概率统计原理计算得到的全概率值和由标准源计算出的标准阈值，即可实现对核素及其存在概率的快速识别和计算。为实现上述目的，本专利技术提供一种γ核素识别方法，包括以下步骤：测量辐射场获得γ能谱；对所述γ能谱进行扣除综合本底及降噪处理，获得净能谱；根据所述净能谱中的峰位确定潜在核素；计算每个所述潜在核素的总净峰面积；对每个所述潜在核素的总净峰面积进行标准化处理，获得该潜在核素的标准化总净峰面积；对每个所述潜在核素的标准化总净峰面积扣除康普顿散射本底，获得每个所述潜在核素的纯峰面积值；计算每个该潜在核素在所述辐射场的全概率值及概率标准阈值；计算每个所述潜在核素的存在概率。根据本专利技术的构思，在对每个所述潜在核素的标准化总净峰面积扣除康普顿散射本底，获得每个所述潜在核素的纯峰面积值时，采用方式为设所述潜在核素的γ射线全能峰的左右边界能量分别为EL和ER，则二者也分别是能量为EγL和能量为EγR的γ射线所产生的康普顿边能量，则有：EγL=EL+EL2+1.022EL2]]>EγR=ER+ER2+1.022ER2]]>设所述γ能谱中每一道上的计数率为CRT[ch](ch＝1,2,…1024或2048)，最大计数率值为CRTmax，则标准处理化后的γ能谱中每一道上的计数率CRTnorm[ch]＝CRT[ch]/CRTmax，所述潜在核素的γ射线的峰康比系数为PCRγ，EγL的感兴趣区左边界能量为EγLL，即EγLL＝EγL-1.5×FWHM(EγL)，EγR的感兴趣区右边界能量为EγRR，即EγRR＝EγR+1.5×FWHM(EγR)，则所述潜在核素的γ射线全能峰扣除康普顿散射后的面积计算过程如下：Area(N)=Σch=ELERCRTnorm(ch)-PCRγΣch=EγLLEγRRCRTnorm(ch)]]>其中，Area(N)称为所述潜在核素的纯峰面积，半高宽参数FWHM(EγL)和峰康比系数PCRγ是探测器固有物理特性参数。根据本专利技术的构思，计算每个所述潜在核素的存在概率的方式为将所述每个潜在核素的纯峰面积除以该核素在所述辐射场的概率标准阈值，再乘以该核素在所述辐射场的全概率值。根据本专利技术的构思，在计算每个该潜在核素在所述辐射场的概率标准阈值时，将每个该潜在核素单独放置于所述辐射场中测量并计算获得该潜在核素的纯峰面积值，即为该潜在核素的概率标准阈值。根据本专利技术的构思，还包括：校准所述辐射场的半高宽刻度系数，且采用MonteCarlo模拟方法计算每个该潜在核素在所述辐射场的概率标准阈值。根据本专利技术的构思，在根据所述净能谱中的峰位及确定潜在核素时，先设定判断参数ΔE，再将所述净能谱中的峰位能量与核素库中核素的特征峰能量进行比对，取能量误差在±ΔE以内的特征峰所对应的核素作为潜在核素。根据本专利技术的构思，在计算每个该潜在核素在所述辐射场的全概率值时，包括采用公式P(N)=Σa=13P(N|Ea)P(Ea)]]>其中，P(N)表示判断为所述潜在核素在所本文档来自技高网...

【技术保护点】
一种γ核素识别方法，包括以下步骤：测量辐射场获得γ能谱；对所述γ能谱进行扣除综合本底及降噪处理，获得净能谱；根据所述净能谱中的峰位确定潜在核素；计算每个所述潜在核素的总净峰面积；对每个所述潜在核素的总净峰面积进行标准化处理，获得该潜在核素的标准化总净峰面积；对每个所述潜在核素的标准化总净峰面积扣除康普顿散射本底，获得每个所述潜在核素的纯峰面积值；计算每个该潜在核素在所述辐射场的全概率值及概率标准阈值；计算每个所述潜在核素的存在概率。

【技术特征摘要】
1.一种γ核素识别方法，包括以下步骤：
测量辐射场获得γ能谱；
对所述γ能谱进行扣除综合本底及降噪处理，获得净能谱；
根据所述净能谱中的峰位确定潜在核素；
计算每个所述潜在核素的总净峰面积；
对每个所述潜在核素的总净峰面积进行标准化处理，获得该潜在核素的
标准化总净峰面积；
对每个所述潜在核素的标准化总净峰面积扣除康普顿散射本底，获得每
个所述潜在核素的纯峰面积值；
计算每个该潜在核素在所述辐射场的全概率值及概率标准阈值；
计算每个所述潜在核素的存在概率。
2.如权利要求3所述的一种γ核素识别方法，其特征在于，在对每个所
述潜在核素的标准化总净峰面积扣除康普顿散射本底，获得每个所述潜在核
素的纯峰面积值时，采用方式为设所述潜在核素的γ射线全能峰的左右边界
能量分别为EL和ER，则二者也分别是能量为EγL和能量为EγR的γ射线所产
生的康普顿边能量，则有：
EγL=EL+EL2+1.022EL2]]>EγR=ER+ER2+1.022ER2]]>设所述γ能谱中每一道上的计数率为CRT[ch](ch＝1,2,…1024或2048)，
最大计数率值为CRTmax，则标准处理化后的γ能谱中每一道上的计数率
CRTnorm[ch]＝CRT[ch]/CRTmax，所述潜在核素的γ射线的峰康比系数为PCRγ，
EγL的感兴趣区左边界能量为EγLL，即EγLL＝EγL-1.5×FWHM(EγL)，EγR的感兴趣
区右边界能量为EγRR，即EγRR＝EγR+1.5×FWHM(EγR)，则所述潜在核素的γ射
线全能峰扣除康普顿散射后的面积计算过程如下：
Area(N)=Σch=ELERCRTnorm(ch)-PCRγΣch=EγLLEγRRCRTnorm(ch)]]>其中，Area(N)称为所述潜在核素的纯峰面积。
3.如权利要求2所述的一种γ核素识别方法，其特征在于，计算每个所
述潜在核素的存在概率的方式为将所述每个潜在核素的纯峰面积除以该核素
在所述辐射场的概率标准阈值，再乘以该核素在所述辐射场的全概率值。
4.如权利要求3所述的一种γ核素识别方法，其特征在于，在计算每个
该潜在核素在所述辐射场的概率标准阈值时，将每个该潜在核素单独...

【专利技术属性】
技术研发人员：李哲，魏龙，王宝义，刘双全，张译文，
申请(专利权)人：中国科学院高能物理研究所，
类型：发明
国别省市：北京;11