基于Gradient Boosting算法的ERMS辐射数据预测

【文件属性】：
文件名称：基于Gradient Boosting算法的ERMS辐射数据预测
文件大小：1.86MB
文件格式：PDF
更新时间：2021-05-06 12:26:11
HPIC剂量率 异常 ERMS GB算法 预测 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.