期刊在线咨询服务,发表咨询:400-888-9411 订阅咨询:400-888-1571股权代码(211862)
关键词:hpic剂量率 异常 erms gb算法 预测
摘要:影响核辐射监测站点辐射监测HPIC剂量率实时数据准确性的组成因素多且复杂,如自然因素的降雨、温湿度、风向及太阳辐射等,客观因素的设备异常及放射性状况等;以致在实际应用中发现辐射监测状态异常时,很难分析出是什么原因导致的监测数据偏离.结合ERMS海量历史辐射序列监测数据,深入挖掘降雨、温湿度、气压、风向、太阳辐射天顶方向电子量及周边各站点辐射数值等特征因子集,基于Gradient Boosting算法(简称GB算法)建立起HPIC剂量率辐射数据的在线预测模型,有效融合自然特征因子,降低了自然因子对HPIC剂量率辐射监测数值异常的分析及判读的干扰作用,提高了对ERMS辐射异常发现的辅助判断能力及维保效率.
计算机系统应用杂志要求:
{1}参考文献按GB/T 7714-2005《文后参考文献著录规则》采用顺序编码制著录,依照其在文中出现的先后顺序用阿拉伯数字加方括号标出。
{2}文责自负。概不接受抄袭稿件。本刊概不退稿,请作者自留底稿。
{3}请勿一稿多投,三个月内未接到本刊录用通知可另行处理。
{4}文题:力求简明、醒目,反映出文章的主题。中文文题一般以20个汉字以内为宜。
{5}正文应层次清楚,方便阅读,行文符合规范。正文中的各级标题分别为:“1”、“1.1”、“1.1.1”等。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社