论文部分内容阅读
10 MW高温气冷实验堆在线测量系统可通过γ谱数据分析测得部分核素的活度,这些核素不包含绝大部分超铀元素同位素。出于核安保的需要,为确定超铀元素同位素的活度,提出一种基于深度学习的超铀元素含量计算方法。该方法采用引入反向误差传播的深度神经网络模型,以易测核素活度为输入,输出不易测核素活度。采用反应堆核素生成和耗减程序跟踪10 MW高温气冷实验堆的运行功率历史,产生核素活度数据样本,对神经网络模型进行训练和测试。研究结果表明:深度神经网络估算核素含量具有较高的准确性,在球床式高温气冷堆辐照后燃料中超铀