(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210979642.5 (22)申请日 2022.08.16 (71)申请人 中国辐射防护研究院 地址 030006 山西省太原市小店区学府街 102号 (72)发明人 岳琪　顾志杰　廉冰　王彦　 陈海龙　王猛　李洋　康晶　杨洁　 于志翔　罗恺　董豫阳　苏自强　 刘畅　刘腾　刘亚芳　陈佳辰　 陈佳　武翡翡　蒙滨驰　 (74)专利代理 机构 北京天悦专利代理事务所 (普通合伙) 11311 专利代理师 任晓航　周敏毅 (51)Int.Cl. G06F 30/27(2020.01)G06K 9/62(2022.01) G06Q 50/06(2012.01) (54)发明名称 一种基于支持向量机的核事故释放类别反 演方法 (57)摘要 本发明属于核事故评价技术领域， 涉及一种 基于支持向量机的核事故释放类别反演方法。 所 述的反演方法包括如下步骤： (1)预估不同核事 故释放类别下不同放射性核素的释放速率； (2) 获取核事故模拟数据集； (3)建立支持向量机反 演模型， 训练支持向量机； (4)使用支持向量机模 型对核事故释放类别进行反演。 利用本发明的基 于支持向量机的核事故释放类别反演方法， 能够 使用向量机， 对环境伽马剂量率监测数据进行分 析， 快速反演核 事故释放类别。 权利要求书1页 说明书10页 附图1页 CN 115455808 A 2022.12.09 CN 115455808 A 1.一种基于支持向量机的核事故释放类别反演方法， 其特征在于， 所述的反演方法包 括如下步骤： (1)预估不同核事故释放类别下不同放 射性核素的释放速率； (2)获取核事故模拟数据集； (3)建立支持向量机反演模型， 训练支持向量机； (4)使用支持向量机模型对核事故释放类别进行反演。 2.根据权利要求1所述的反演方法， 其特征在于： 步骤(1)中， 假设核事故释放过程中的 放射性核素释放速率是恒定的， 释放速率的计算公式如下： 其中： Rp,i是在释放类别p中核素i的释放速率， Fp,i是在释放类别p的情况下核素i的释 放量占堆芯总量的份 额， Tp是释放类别p的释放持续时间， Ci是核事故发生时核素i的堆芯总 量。 3.根据权利要 求2所述的反演方法， 其特征在于： Fp,i与Tp可以从具体堆型的安全分析报 告中获取， 也可参考美国 “反应堆安全研 究”中对压水堆提出的PWR1 ‑PWR9的分级方法与法 国的S1‑S3的分级方法。 4.根据权利要求1所述的反演方法， 其特征在于： 步骤(2)中， 使用现有的核事故模拟软 件进行厂区建模， 将不同的大气参数与步骤(1)中得到的不同核事故释放类别下不同放射 性核素的释放速率随机结合， 输入到模拟模型中， 获取监测位置的剂量 率模拟值。 5.根据权利要求4所述的反演方法， 其特征在于： 所述的现有的核事故模拟软件选自美 国能源部研发的国家大气释放咨询中心NARAC， 日本原子能机构研发的国际环境应急剂量 信息系统WSPEEDI， 或清华大学研发的广东省核电站核事故场外后果预测评价系统 GNARD2.0 。 6.根据权利要求1所述的反演方法， 其特征在于： 步骤(3)中， 使用步骤(2)中得到的模 拟数据， 以气象参数与不同监测位置的伽马剂量率作为输入， 以核事故的释放类别作为输 出， 对支持向量机反演模型进行训练。 7.根据权利要求1所述的反演方法， 其特征在于： 步骤(4)中， 在发生核事故后， 将事故 发生时的实际气象数据以及厂区监测位置的伽 马剂量率监测数据输入到步骤(3)建立的模 型中， 即可直接 输出预估的核事故释放类别。权　利　要　求　书 1/1 页 2 CN 115455808 A 2一种基于支持向量机的核事故释 放类别反演 方法 技术领域 [0001]本发明属于核事故评价技术领域， 涉及一种基于支持向量机的核事故释放类别反 演方法。 背景技术 [0002]核电作为一种清洁而高效的新型能源得到了快速发展。 虽然目前核电站设计依据 多道屏障、 纵深防御的原则， 但切尔诺贝利核事故与福岛核事故的发生表明了严重核事故 仍然有发生的可能性。 核事故发生后， 快速而合理地做出后果评价与应急决策对减轻事故 后果， 降低事故对人员与环境 危害有重要意 义。 [0003]核事故后果评价过程中， 源项估算是所有过程的基础， 能否对源项做出准确估计 决定了后续核素扩散和剂量场计算结果的准确 性。 然而， 由于核事故所释放的放射性核素 的组成和总量 通常是未知的， 并且 存在相当大的不确定性， 源项的估计过程复杂而困难。 [0004]一般来说， 源项估算主要有两种途径： 基于核电站场内工况的估算方法和使用 场 外环境监测数据的反演方法。 在极端事故的情况下， 场内的监测设备可能被破坏， 导致无法 获取有效数据。 因此， 对于严重核事故， 使用大气扩散模拟和 场外监测数据的反演方法更为 可靠。 目前已有较为成熟的使用环境中核 素浓度监测数据进 行源项反演的方法， 然而， 要得 到大气中的各种核素 的类别和放射性浓度是困难的， 在多种放射性核素混合的情况下， 往 往需要在实验室中进 行较长时间的分析， 因此使用放射性核 素活度浓度数据的反演方法难 以在核事故后快速估计出事故源项。 而伽马剂量率可以进行实时在线连续监测， 核事故后 有大量伽马剂量 率监测数据可 供使用。 [0005]在进行核电站设计的过程中， 通常就会考虑核事故发生的可能性， 并对不同等级 的核事故做出概率评估， 制 定相应的核事故释放类别分级表， 目前已经有相关研究进行分 级工作， 较为常见的是美国 “反应堆安全研 究”中对压水堆提出的PWR1 ‑PWR9的分级方法与 法国的S1 ‑S3的分级方法， 这些释放类别会给 出不同事故等级对应的堆芯总量的释放份额。 [0006]但现有的源项反演方法难以在核事故发生后的短时间内使用环境伽马剂量率监 测数据快速确定核事故的释放类别。 发明内容 [0007]本发明的目的是提供一种基于支持向量机的核事故释放类别反演 方法， 以针对现 有源项反演方法中存在的缺陷， 能够使用向量机， 对环境伽 马剂量率监测数据进 行分析， 快 速反演核事故释放类别。 [0008]为实现此目的， 在基础的实施方案中， 本发明提供一种基于支持向量机的核事故 释放类别反演方法， 所述的反演方法包括如下步骤： [0009](1)预估不同核事故释放类别下不同放 射性核素的释放速率； [0010](2)获取核事故模拟数据集； [0011](3)建立支持向量机反演模型， 训练支持向量机；说　明　书 1/10 页 3 CN 115455808 A 3