سنجش محیطی پرتوتابی، تعیین پارامترهای موثر با روش شبکه عصبی و پیش بینی مقادیر آینده آنها جهت عکس العمل به موقع و موثر

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 415

فایل این مقاله در 7 صفحه با فرمت PDF و WORD قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

INDUSTRIAL01_030

تاریخ نمایه سازی: 21 شهریور 1395

چکیده مقاله:

از آنجائیکه داده های پرتوی از اهمیت خاصی بر سلامت محیط زیست و جامعه برخوردار است باعث شده است که تحقیقات زیادی براساس داده ها در طول سالیان متمادی صورت پذیرد. لکن تاکنون تلاشی در زمینه تشکیل مدلی برای تشخیص هشدارهای ایمنی با توجه به پارامترهای پرتوی از مرکز ارسال پرتو تحقیقاتی انجام نشده است. تعداد 27 داده پرتوی از نقاط مختلف توسط سیستمهای آنلاین در زمان کاری در هر ساعت ثبت می گردد. این داده ها بعد از ثبت بر اساس مقادیر آن دسته بندی می شوند که با توجه به اهمیت پرتوگیری محیط زیست و اجتماع در این تحقیق به پنج سطح نرمال، رخدادهای جزئی، نیاز به بررسی، هشدار، نزدیک شدن به سطح اقدام و اقدام دسته بندی گردیده اند. به جهت افزایش دقت در مدل بدست آمده، براساس روش انتخاب پیشرو یا رو به جلو داده های ورودی با ده مرتبه اجرای شبکه عصبی بررسی گردیده و پارامترهای پرتوی که تاثیری در مدل نداشته اند یا دقت مدل را کاهش می دادند حذف گشده اند. در نهایت مدل بدست آمده از پارامترهای تأثیرگذار اجرا شده و با 84 درصد دقت مورد پذیرش قرار گرفته است. از این رو در هر لحظه با ورود مقادیر داده های پرتوی تاثیر گذار مدل سطح مورد بررسی محیطی را مشخص خواهد نمود.

کلیدواژه ها:

نویسندگان

حمید اسماعیلی

استاد یار، عضو هیات علمی دانشگاه آزاد اسلامی واحد تهران شمال، دانشکده فنی و مهندسی

سرور فرخی

دانشجو دکتری مهندسی صنایع، دانشگاه آزاد اسلامی واحد تهران شمال، دانشکده فنی و مهندسی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Pao, H.T., 2008. A comparasion of Neural network and multiple ...
  • Chen, S., Billings, S. A., and Luo, W., 2004, Orthogonal ...
  • Handbook On nuclear low C. Stoiber, A. Baer, N. Pelzer, ...
  • IAEA -TECDOC 1234: The applications of research reactor-Report an Advisory ...
  • IAEA -TECDOC 1638: Setting Authorized Limits for Radioactive Discharges _ ...
  • Khan, J. A., Aelst, S. V., and Zamar, R. H., ...
  • Kumar, U.A .2005. Comparasion of nerual networks and regression analysis:A ...
  • Mo ghaddamnia A., Ghafari Gousheh M., Piri J., Amin S., ...
  • Noori R., Hoshyaripour GH., Ashrafi KH., and Najdar Araabi B. ...
  • Operational Limits and Conditions for Tehran Research Reactor. A. Montazer ...
  • Paliwal, M., Kumar, U.A.2009. Nerual Networks and statistical technique: A ...
  • Radiation dose calculations for an accidental release from the Tehran ...
  • Ripley, Brain, D. 1996. Pattern recognition and nerual networks. Cambridge ...
  • Safety Analysis Report for Tehran Research Reactor- Chapter 12 ...
  • Wang, X. X., Chen, S., Lowe, D., and Harris, C. ...
  • نمایش کامل مراجع