论文部分内容阅读
为了在发生核事故后能第一时间分析计算得到事故发生地周围所受剂量,给出应急行动计划,最大程度地减少事故所造成的损失而开发核事故评价系统。本文主要介绍了该系统流程、功能结构设计和关键技术,实现了基于J2EE框架和利用地理信息系统(GIS)技术的核事故评价系统。对比于其他的核事故评价系统,根据简单的阈值判断来进行给出行动建议,本文中采用了较智能的模糊神经网络组织构成的专家评价系统来给出行动建议。根据输入的各观测数据或者工况算出各源项以及各项用于和OIL比较的值,把这些值作为专家评价系统的输入值,并把它们模糊化后送入神经网络进行处理,采用三层前馈型神经网络,用BP算法进行网络参数的训练调整,然后由模糊逻辑判断决定给出何种行动建议。本文首先介绍了OIL的由来以及各个OIL等级的相应的干预措施,本文以最新的操作干预水平为判断基准,并引入了影响决策的距离和气象因素。其后重点介绍了模糊神经网络,它利用神经网络的自学特性实现隶属度函数和模糊规则的自动提取,可优化调整隶属函数,并且模糊系统也能弥补神经网络运算速度慢的缺点,因此将其运用到核事故评价系统中具有较低的误报率和较高的环境适应能力。本文提出了模糊神经网络运用于核事故评价的模型结构,详细的介绍了模糊神经网络的设计过程和算法,并对模糊神经网络进行了训练,得到了较为满意的结果,证明了将模糊神经网络应用于应急决策的思想是正确的。