用于反应堆屏蔽优化的基于神经网络的辐射剂量预测方法

1.本发明属于核反应堆工程技术领域，具体涉及一种用于反应堆屏蔽优化的基于神经网络的辐射剂量预测方法。


背景技术：

2.屏蔽优化设计是小型或微型核反应堆设计中一大重要环节，其目标是通过对核反应堆屏蔽区域内屏蔽层的层数、每层屏蔽层的厚度以及屏蔽材料组分、种类、组合方式以及相对排布顺序等多个参数同时进行优化，使从堆芯出来的主要由中子和光子构成的电离辐射在目标区域产生的辐射剂量大小达到安全标准，且同时尽量最小化屏蔽层的总厚度和总质量。这一优化属于大参数空间下的优化，其优化过程涉及大量三维中子-光子耦合输运计算，目前主要计算求解方法分为蒙特卡罗方法和离散纵标法。但是无论使用这两种方法中的哪一种进行求解，为了获得较高精度的解，通常完成一次屏蔽方案计算需要花费数十至数百核时，计算成本过大，难以直接应用于大参数空间下的反应堆屏蔽优化设计任务。


技术实现要素：

3.为解决上述问题，本发明提供了一种用于反应堆屏蔽优化的基于神经网络的辐射剂量预测方法。此方法首先通过在大参数空间下多参数同时进行随机均匀采样，生成屏蔽数据集样本训练用于预测辐射剂量校正因子的全连接神经网络模型。接着对任意给定屏蔽方案，使用一维离散纵标法程序进行一维输运等效计算快速获取辐射剂量评估目标点处等效一维几何辐射剂量，最后使用训练好的全连接神经网络模型预测输出相应辐射剂量校正因子并计算得到辐射剂量评估目标点处实际总辐射剂量大小。此方法可快速预测辐射剂量评估目标区域辐射剂量大小，其结果与三维中子-光子耦合输运计算得到的辐射剂量评估目标区域的辐射剂量数值结果相近，实现了对目标区域辐射剂量的高效高精度预测。
4.为了实现上述目的，本发明采用了以下技术方案予以实施：
5.一种用于反应堆屏蔽优化的基于神经网络的辐射剂量预测方法，包括如下步骤：
6.步骤1：读取所要模拟的三维核反应堆屏蔽模型的源项分布信息、几何信息、材料信息以及辐射剂量评估目标点的空间坐标：
7.(a)源项分布信息：源项的空间分布参数、能量分布参数；
8.(b)几何信息：描述核反应堆非屏蔽区域和屏蔽区域各组成部分的几何尺寸大小以及空间定位坐标；
9.(c)材料信息：布置于核反应堆非屏蔽区域的材料种类、组成成分和其空间位置分布；可用于核反应堆屏蔽区域的屏蔽材料库，包括单一材料和复合材料的密度、材料核素组成参数，其中复合材料还包括组成此复合材料的基体材料和增强材料的组分范围、种类、核素组成和密度参数；
10.步骤2：根据步骤1读取的相关信息，基于读取的屏蔽材料库，在核反应堆屏蔽区域中，首先通过对屏蔽层总层数、各层屏蔽层的相对排布顺序和几何尺寸以及每层屏蔽层中
所用屏蔽材料的种类、组成成分进行随机均匀采样生成若干个屏蔽方案；其次利用蒙特卡罗程序或三维离散纵标法程序对这些屏蔽方案进行三维中子-光子耦合输运计算，获取这些屏蔽方案各自对应的辐射剂量评估目标点处实际总辐射剂量；然后使用一维离散纵标法程序对这些屏蔽方案进行一维输运等效计算，获取这些屏蔽方案各自对应的辐射剂量评估目标点处等效一维几何通量和等效一维几何辐射剂量，并利用已经获得的这些屏蔽方案各自对应的辐射剂量评估目标点处实际总辐射剂量除以这些屏蔽方案各自对应的辐射剂量评估目标点处等效一维几何辐射剂量得到这些屏蔽方案各自对应的辐射剂量评估目标点处辐射剂量校正因子；接着计算每个屏蔽方案对应的各能群总的吸收平均自由程数和各能群总的总平均自由程数；由此建立神经网络训练、验证和测试使用的屏蔽数据集；
11.步骤3：基于步骤2获得的屏蔽数据集，建立并训练以每个屏蔽方案对应的各能群总的吸收平均自由程数、各能群总的总平均自由程数和辐射剂量评估目标点处等效一维几何通量为输入，以辐射剂量评估目标点处辐射剂量校正因子为输出的全连接神经网络模型；
12.步骤4：对于反应堆屏蔽优化设计中任意待评价的屏蔽方案，根据步骤1读取的源项分布信息、核反应堆非屏蔽区域的几何信息和材料信息，使用一维离散纵标法程序对该屏蔽方案进行一维输运等效计算，快速获取在辐射剂量评估目标点处待评价屏蔽方案的等效一维几何通量flux
eval
和待评价屏蔽方案的等效一维几何辐射剂量dose
1d,eval
，并计算得到待评价屏蔽方案的各能群总的吸收平均自由程数namfp
eval
和待评价屏蔽方案的各能群总的总平均自由程数ntmfp
eval
。将其输入到步骤3训练完成的全连接神经网络模型中，预测输出得到此待评价屏蔽方案的辐射剂量评估目标点处辐射剂量校正因子cf
eval
，按照式(1)计算得到此待评价屏蔽方案相应辐射剂量评估目标点处实际总辐射剂量的预测值dose
eval
：
13.dose
eval
＝dose
1d,eval
·
cf
eval
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)。
14.所述步骤1中的三维核反应堆屏蔽模型的屏蔽区域整体呈圆柱壳状；在所述步骤2中核反应堆屏蔽区域内部，由反应堆核心部分朝外方向存在若干层屏蔽层，每层屏蔽层均呈圆柱壳状且各相邻屏蔽层相互紧贴，每层屏蔽层内所用屏蔽材料的种类及组成成分均匀一致。
15.所述步骤3中全连接神经网络模型的输入具体形式是一个长度为3ng的向量x，其中ng为中子和光子能群数量之和；此向量x定义为：
16.x＝(namfp,ntmfp,flux)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
17.namfp—屏蔽方案对应的各能群总的吸收平均自由程数；
18.ntmfp—屏蔽方案对应的各能群总的总平均自由程数；
19.flux—屏蔽方案对应的辐射剂量评估目标点处等效一维几何通量；
20.namfp，ntmfp和flux的具体形式定义如下：
[0021][0022]
[0023][0024]nsl
—屏蔽方案对应的在核反应堆屏蔽区域内部的屏蔽层总层数；
[0025]
σ
ai,g
—屏蔽方案对应的在核反应堆屏蔽区域内部第i层屏蔽层的屏蔽材料位于第g能群的宏观吸收截面；
[0026]
σ
ti,g
—屏蔽方案对应的在核反应堆屏蔽区域内部第i层屏蔽层的屏蔽材料位于第g能群的宏观总截面；
[0027]di
—屏蔽方案对应的在核反应堆屏蔽区域内部第i层屏蔽层的厚度；
[0028]
φg—屏蔽方案对应的辐射剂量评估目标点处等效一维几何通量位于第g能群的通量。
[0029]
所述步骤2中，在使用一维离散纵标法程序进行一维输运等效计算时，径向上使用一维圆柱几何进行计算，轴向上使用一维平面几何进行计算。
[0030]
与现有技术相比，本发明有如下突出优点：
[0031]
1、本发明对任意给定屏蔽方案，在进行辐射剂量评估目标点处实际总辐射剂量预测时，基于一维输运等效计算和全连接神经网络模型可以快速获得辐射剂量评估目标点处的等效一维几何辐射剂量并对其进行校正，相比传统方法不需要进行三维中子-光子耦合输运计算，可大量节省算力资源，有效降低了计算成本；
[0032]
2、本发明采用先使用一维输运等效计算再使用全连接神经网络模型进行辐射剂量校正这种“两阶段”式计算预测模式，既可以使本发明方法具有与一维输运等效计算相近的高效计算速度，又可以获得与三维中子-光子耦合输运计算得到的实际总辐射剂量结果相近的精度，整个过程耗时1-2秒，实现了辐射剂量评估目标点处实际总辐射剂量的高效高精度预测；
[0033]
3、本发明使用全连接神经网络模型预测输出辐射剂量校正因子，而不是直接预测辐射剂量评估目标点处实际总辐射剂量，可避免大参数空间下屏蔽数据集中辐射剂量值横跨多个数量级的多尺度特征对神经网络预测精度的负面影响。此外，神经网络以屏蔽方案对应的各能群总的吸收平均自由程数、各能群总的总平均自由程数和辐射剂量评估目标点处等效一维几何通量作为输入，这些输入量能够较好反映一个屏蔽方案的物理特性，对使用不同屏蔽材料和具有不同材料排布顺序的屏蔽方案均具有较好的普适性。
附图说明
[0034]
图1是本发明方法整体流程示意图。
[0035]
图2是核反应堆屏蔽区域及其内部屏蔽层轴向和径向示意图。
具体实施方式
[0036]
下面结合附图和具体实施方式对本发明做进一步详细说明。
[0037]
本发明一种用于反应堆屏蔽优化的基于神经网络的辐射剂量预测方法，整体流程如图1所示。本发明在大参数空间下为实现对辐射剂量评估目标点处实际总辐射剂量的快速预测计算，在对给定的任意屏蔽方案进行评价时，整体采用先使用一维输运等效计算再使用神经网络进行辐射剂量校正这种“两阶段”式计算预测模式。具体实施步骤如下：
[0038]
步骤1：读取所要模拟的三维核反应堆屏蔽模型的源项分布信息、几何信息、材料信息以及辐射剂量评估目标点的空间坐标：
[0039]
(a)源项分布信息：源项的空间分布参数、能量分布参数；
[0040]
(b)几何信息：描述核反应堆非屏蔽区域和屏蔽区域各组成部分的几何尺寸大小以及空间定位坐标；
[0041]
(c)材料信息：布置于核反应堆非屏蔽区域的材料种类、组成成分和其空间位置分布；可用于核反应堆屏蔽区域的屏蔽材料库，包括单一材料和复合材料的密度、材料核素组成参数，其中复合材料还包括组成此复合材料的基体材料和增强材料的组分范围、种类、核素组成和密度参数；
[0042]
步骤2：根据步骤1读取的相关信息，基于读取的屏蔽材料库，在核反应堆屏蔽区域中，首先通过对屏蔽层总层数、各层屏蔽层的相对排布顺序和几何尺寸以及每层屏蔽层中所用屏蔽材料的种类、组成成分进行随机均匀采样生成若干个屏蔽方案；其次利用蒙特卡罗程序或三维离散纵标法程序对这些屏蔽方案进行三维中子-光子耦合输运计算，获取这些屏蔽方案各自对应的辐射剂量评估目标点处实际总辐射剂量；然后使用一维离散纵标法程序对这些屏蔽方案进行一维输运等效计算，获取这些屏蔽方案各自对应的辐射剂量评估目标点处等效一维几何通量和等效一维几何辐射剂量，并利用已经获得的这些屏蔽方案各自对应的辐射剂量评估目标点处实际总辐射剂量除以这些屏蔽方案各自对应的辐射剂量评估目标点处等效一维几何辐射剂量得到这些屏蔽方案各自对应的辐射剂量评估目标点处辐射剂量校正因子；接着计算每个屏蔽方案对应的各能群总的吸收平均自由程数和各能群总的总平均自由程数；由此建立神经网络训练、验证和测试使用的屏蔽数据集；
[0043]
步骤3：基于步骤2获得的屏蔽数据集，建立并训练以每个屏蔽方案对应的各能群总的吸收平均自由程数、各能群总的总平均自由程数和辐射剂量评估目标点处等效一维几何通量为输入，以辐射剂量评估目标点处辐射剂量校正因子为输出的全连接神经网络模型；
[0044]
步骤4：对于反应堆屏蔽优化设计中任意待评价的屏蔽方案，根据步骤1读取的源项分布信息、核反应堆非屏蔽区域的几何信息和材料信息，同步骤2类似，使用一维离散纵标法程序对该屏蔽方案进行一维输运等效计算，快速获取在辐射剂量评估目标点处待评价屏蔽方案的等效一维几何通量flux
eval
和待评价屏蔽方案的等效一维几何辐射剂量dose
1d,eval
，并计算得到待评价屏蔽方案的各能群总的吸收平均自由程数namfp
eval
和待评价屏蔽方案的各能群总的总平均自由程数ntmfp
eval
。将其输入到步骤3训练完成的全连接神经网络模型中，预测输出得到此待评价屏蔽方案的辐射剂量评估目标点处辐射剂量校正因子cf
eval
，按照式(1)计算得到此待评价屏蔽方案相应辐射剂量评估目标点处实际总辐射剂量的预测值dose
eval
：
[0045]
dose
eval
＝dose
1d,eval
·
cf
eval
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)。
[0046]
在实际工程中，由于核反应堆核心部分整体通常呈圆柱体状，因此为尽可能地屏蔽来自堆芯的辐射，所述步骤1中的三维核反应堆屏蔽模型的屏蔽区域整体呈圆柱壳状，将反应堆核心部分包裹在内。为实现对来自堆芯的中子和光子更好地屏蔽，通常需要使用多层屏蔽层结构来对高能粒子进行充分地慢化吸收，同时为降低屏蔽层制造难度，因此在所述步骤2中核反应堆屏蔽区域内部，由反应堆核心部分朝外方向存在若干层屏蔽层，每层屏
蔽层均呈圆柱壳状且各相邻屏蔽层相互紧贴，每层屏蔽层内所用屏蔽材料的种类及组成成分均匀一致，如图2所示。
[0047]
因此根据核反应堆屏蔽区域整体所呈形状，在所述步骤2中，为快速获取辐射剂量评估目标点处等效一维几何通量和等效一维几何辐射剂量，在使用一维离散纵标法程序进行一维输运等效计算时，径向上使用一维圆柱几何进行计算，轴向上使用一维平面几何进行计算。
[0048]
为了能够较好反映一个屏蔽方案的物理特性，且对使用不同屏蔽材料和具有不同材料排布顺序的屏蔽方案均具有较好的普适性，所述步骤3中神经网络的输入具体形式设计成一个长度为3ng的向量x，其中ng为中子和光子能群数量之和。且此向量x定义为：
[0049]
x＝(namfp,ntmfp,flux)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0050]
namfp—屏蔽方案对应的各能群总的吸收平均自由程数；
[0051]
ntmfp—屏蔽方案对应的各能群总的总平均自由程数；
[0052]
flux—屏蔽方案对应的辐射剂量评估目标点处等效一维几何通量；
[0053]
namfp，ntmfp和flux的具体形式定义如下：
[0054][0055][0056][0057]nsl
—屏蔽方案对应的在核反应堆屏蔽区域内部的屏蔽层总层数；
[0058]
σ
ai,g
—屏蔽方案对应的在核反应堆屏蔽区域内部第i层屏蔽层的屏蔽材料位于第g能群的宏观吸收截面；
[0059]
σ
ti,g
—屏蔽方案对应的在核反应堆屏蔽区域内部第i层屏蔽层的屏蔽材料位于第g能群的宏观总截面；
[0060]di
—屏蔽方案对应的在核反应堆屏蔽区域内部第i层屏蔽层的厚度；
[0061]
φg—屏蔽方案对应的辐射剂量评估目标点处等效一维几何通量位于第g能群的通量。
[0062]
在应用于大参数空间下的实际反应堆屏蔽优化设计中，以x
×y×
z方向直角网格数量规模为158
×
158
×
128的反应堆屏蔽为对象，使用三维中子-光子耦合输运计算方法获取任意待评价的屏蔽方案所对应的辐射剂量评估目标点处实际总辐射剂量，需要在512个cpu核上运行5.5分钟左右才能完成，即耗费46.93cpu核时。而在使用本技术预测方法，在单个cpu核上完成第一阶段一维输运等效计算仅耗时1秒，在单个gpu上完成第二阶段基于全连接神经网络模型的辐射剂量校正仅耗时3.33
×
10-6
秒，即使用本技术预测方法可在单个cpu核和gpu上仅用1-2秒获取任意待评价的屏蔽方案对应的辐射剂量评估目标点处实际总辐射剂量，大幅降低了计算成本。
[0063]
在方法精度方面，基于三维中子-光子耦合输运计算方法获取大参数空间下各屏蔽方案对应的辐射剂量评估目标点处实际总辐射剂量，并以此作为基准结果。在大参数空
间下的反应堆屏蔽优化设计中，当前广泛采用的基于全连接神经网络模型直接预测辐射剂量评估目标点处实际总辐射剂量的方法，其预测结果与基准结果的平均绝对百分比误差在20％-40％之间，而使用本技术预测方法的预测结果平均绝对百分比误差在10％以下，即本技术预测方法在保证高效的同时还保证了较高的辐射剂量预测精度。
[0064]
最后应当说明的是，尽管已经描述示意了本发明的具体实施方式，本领域的普通技术人员可以理解：在不脱离本发明的目的和宗旨的情况下可以对这些实施方式进行多种修改，例如改变输运计算能群总数等，本发明的范围由权利要求及其等同物限定。

技术特征：
1.一种用于反应堆屏蔽优化的基于神经网络的辐射剂量预测方法，其特征在于：包括如下步骤：步骤1：读取所要模拟的三维核反应堆屏蔽模型的源项分布信息、几何信息、材料信息以及辐射剂量评估目标点的空间坐标：(a)源项分布信息：源项的空间分布参数、能量分布参数；(b)几何信息：描述核反应堆非屏蔽区域和屏蔽区域各组成部分的几何尺寸大小以及空间定位坐标；(c)材料信息：布置于核反应堆非屏蔽区域的材料种类、组成成分和其空间位置分布；可用于核反应堆屏蔽区域的屏蔽材料库，包括单一材料和复合材料的密度、材料核素组成参数，其中复合材料还包括组成此复合材料的基体材料和增强材料的组分范围、种类、核素组成和密度参数；步骤2：根据步骤1读取的相关信息，基于读取的屏蔽材料库，在核反应堆屏蔽区域中，首先通过对屏蔽层总层数、各层屏蔽层的相对排布顺序和几何尺寸以及每层屏蔽层中所用屏蔽材料的种类、组成成分进行随机均匀采样生成若干个屏蔽方案；其次利用蒙特卡罗程序或三维离散纵标法程序对这些屏蔽方案进行三维中子-光子耦合输运计算，获取这些屏蔽方案各自对应的辐射剂量评估目标点处实际总辐射剂量；然后使用一维离散纵标法程序对这些屏蔽方案进行一维输运等效计算，获取这些屏蔽方案各自对应的辐射剂量评估目标点处等效一维几何通量和等效一维几何辐射剂量，并利用已经获得的这些屏蔽方案各自对应的辐射剂量评估目标点处实际总辐射剂量除以这些屏蔽方案各自对应的辐射剂量评估目标点处等效一维几何辐射剂量得到这些屏蔽方案各自对应的辐射剂量评估目标点处辐射剂量校正因子；接着计算每个屏蔽方案对应的各能群总的吸收平均自由程数和各能群总的总平均自由程数；由此建立神经网络训练、验证和测试使用的屏蔽数据集；步骤3：基于步骤2获得的屏蔽数据集，建立并训练以每个屏蔽方案对应的各能群总的吸收平均自由程数、各能群总的总平均自由程数和辐射剂量评估目标点处等效一维几何通量为输入，以辐射剂量评估目标点处辐射剂量校正因子为输出的全连接神经网络模型；步骤4：对于反应堆屏蔽优化设计中任意待评价的屏蔽方案，根据步骤1读取的源项分布信息、核反应堆非屏蔽区域的几何信息和材料信息，使用一维离散纵标法程序对该屏蔽方案进行一维输运等效计算，快速获取在辐射剂量评估目标点处待评价屏蔽方案的等效一维几何通量flux
eval
和待评价屏蔽方案的等效一维几何辐射剂量dose
1d,eval
，并计算得到待评价屏蔽方案的各能群总的吸收平均自由程数namfp
eval
和待评价屏蔽方案的各能群总的总平均自由程数ntmfp
eval
；将其输入到步骤3训练完成的全连接神经网络模型中，预测输出得到此待评价屏蔽方案的辐射剂量评估目标点处辐射剂量校正因子cf
eval
，按照式(1)计算得到此待评价屏蔽方案相应辐射剂量评估目标点处实际总辐射剂量的预测值dose
eval
：dose
eval
＝dose
1d,eval
·
cf
eval
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)。2.根据权利要求1所述的一种用于反应堆屏蔽优化的基于神经网络的辐射剂量预测方法，其特征在于：所述步骤1中的三维核反应堆屏蔽模型的屏蔽区域整体呈圆柱壳状；在所述步骤2中核反应堆屏蔽区域内部，由反应堆核心部分朝外方向存在若干层屏蔽层，每层屏蔽层均呈圆柱壳状且各相邻屏蔽层相互紧贴，每层屏蔽层内所用屏蔽材料的种类及组成成分均匀一致。
3.根据权利要求1所述的一种用于反应堆屏蔽优化的基于神经网络的辐射剂量预测方法，其特征在于：所述步骤3中全连接神经网络模型的输入具体形式是一个长度为3n
g
的向量x，其中n
g
为中子和光子能群数量之和；此向量x定义为：x＝(namfp,ntmfp,flux)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)namfp—屏蔽方案对应的各能群总的吸收平均自由程数；ntmfp—屏蔽方案对应的各能群总的总平均自由程数；flux—屏蔽方案对应的辐射剂量评估目标点处等效一维几何通量；namfp，ntmfp和flux的具体形式定义如下：namfp，ntmfp和flux的具体形式定义如下：namfp，ntmfp和flux的具体形式定义如下：n
sl
—屏蔽方案对应的在核反应堆屏蔽区域内部的屏蔽层总层数；σ
ai,g
—屏蔽方案对应的在核反应堆屏蔽区域内部第i层屏蔽层的屏蔽材料位于第g能群的宏观吸收截面；σ
ti,g
—屏蔽方案对应的在核反应堆屏蔽区域内部第i层屏蔽层的屏蔽材料位于第g能群的宏观总截面；d
i
—屏蔽方案对应的在核反应堆屏蔽区域内部第i层屏蔽层的厚度；φ
g
—屏蔽方案对应的辐射剂量评估目标点处等效一维几何通量位于第g能群的通量。4.根据权利要求1所述的一种用于反应堆屏蔽优化的基于神经网络的辐射剂量预测方法，其特征在于：所述步骤2中，在使用一维离散纵标法程序进行一维输运等效计算时，径向上使用一维圆柱几何进行计算，轴向上使用一维平面几何进行计算。

技术总结
本发明公开了一种用于反应堆屏蔽优化的基于神经网络的辐射剂量预测方法，通过对反应堆屏蔽区域屏蔽层总数、各屏蔽层厚度、屏蔽层材料组分、组合方式以及排布顺序等多参数同时进行采样，生成数据样本训练可预测辐射剂量校正因子的神经网络。对屏蔽优化设计中任意屏蔽方案，通过一维离散纵标法程序进行一维输运等效计算快速获取辐射剂量评估目标点处等效一维几何辐射剂量，然后基于训练好的神经网络预测相应辐射剂量校正因子并进行校正计算获得辐射剂量评估目标点处实际总辐射剂量大小。本发明方法与传统方法相比，可实现对反应堆屏蔽目标区域辐射剂量高效高精度预测，能够应用于大参数空间下小型核反应堆屏蔽优化设计等重要场景。要场景。要场景。


技术研发人员：吴宏春 雷铠灰 贺清明 曹良志
受保护的技术使用者：西安交通大学
技术研发日：2023.07.13
技术公布日：2023/10/15