地球资源数据云——数据资源详情

基于深度神经网络的复杂源项分布反演方法研究

本研究提出了一种源分布反演卷积神经网络（SDICNN），这是一种用于复杂源分布反演的深度神经网络模型，以解决涉及固定源分布的反演问题。开发了一个函数来从空间中各个采样点的辐射参数获取复杂源项的分布信息。SDICNN 包含两个组件：全连接网络和卷积神经网络。全连接网络主要从采样点提取参数测量信息，而卷积神经网络主要完成源项分布的精细反演。最后，SDICNN 获得高分辨率的源项分布图像。在本研究中，基于典型的几何场景对所提出的源项反演方法进行了评估。结果表明，与传统的全连接神经网络不同，SDICNN模型能够提取源项的二维分布特征，且其反演结果较好。此外，还考察了屏蔽机制和采样点数量对反演过程的影响。综上所述，本研究结果有助于准确评估核设施剂量分布。