پردازش خطی مشترک مکان–انرژی داده‌های پایش هوایی پرتوی گاما

نویسندگان

پژوهشگاه علوم و فنون هسته‌ای، سازمان انرژی اتمی ایران، تهران

چکیده

از مهم‌ترین مسائل متعاقب یک حادثه هسته‌ای، تعیین سریع و دقیق نوع و مقدار پراکندگی مواد پرتوزا است. در این مقاله، اصلاح الگوی میانگین متحرک خود همبسته یکپارچه فصلی (SARIMA) جهت پایشگر هوایی گاما با استفاده از راهکار پردازش خطی مشترک مکان-انرژی داده‌های پایش پرتویی پیشنهاد شده است. این مدل‌سازی دقیق و به‌هنگام تعداد فوتون دریافتی، برای طراحی آشکارساز متناسب با سنجش دقیق و پویا به‌منظور استفاده در حفاظت و اقدامات ایمنی پرتویی کاربرد دارد. ساختار طراحی‌شده، با قابلیت به‌کارگیری پارامترهای ناایستای طیف‌سنجی پرتو گاما به دسته‌بندی دقیق نوع و میزان مواد پرتوزا و هم‌چنین افزایش حجم مؤثر کریستال آشکارساز می‌انجامد. روش پیشنهادی، افزایش صحت و دقت تشخیص نوع و مقدار پراکندگی مواد پرتوزا و کاهش زمان پایش را در پی دارد و بنابراین، به‌منظور انجام اقدامات کاربردی مناسب و حفاظت در برابر پرتو، در همان زمان محدود، به گسترش منطقه قابل ‌بررسی منجر می‌شود.

 

کلیدواژه‌ها


عنوان مقاله [English]

Joint location-energy analysis of airborne gamma-ray spectrometry

نویسندگان [English]

  • Mohsen Rezaei
  • Mansour Ashoor
  • Leila Sarkhosh
چکیده [English]

One of the most important issues, post a nuclear incident, is the fast and precise determination of the type and quantification of radioactive material dispersion. Joint location-energy analysis approach, using modern nonstationary data analysis, to design a suitable detector with accurate, dynamic measurement and commensurate with the radiation protection and safety actions, is discussed in this paper. Designed joint location-energy analysis structure utilizing this method, with its capability for implementing nonstationary parameters of gamma-ray spectrum, leads to an accurate classification the type and amount of radioactive material and increase the detector crystal effective volume. The proposed method eventuates the increment in accuracy and precision in determination of the type and quantification of dispersion radioactive materials and decrement in survey time, which will result the survey area expansion, for civil defense purposes, in the same limited time.
 

کلیدواژه‌ها [English]

  • Dispersion radioactive materials
  • Airborne gamma-ray spectrometry
  • SARIMA
[1] R. Casanovas, J.J. Morant and M. Salvadó. Development and calibration of a real-time airborne radioactivity monitor using gamma-ray spectrometry on a particulate filter, 2012 18th IEEE-NPSS Real Time Conference, 2012, pp. 1-4, doi: 10.1109/RTC.2012.6418383. [2] D. Srinivas, VR. Babu, I. Patra, S. Tripathi, MS. Ramayya and AK. Chaturvedi. Assessment of Background Gamma Radiation Levels Using Airborne Gamma Ray Spectrometer Data over Uranium Deposits, Cuddapah Basin, India – A Comparative Study of Dose Rates Estimated by AGRS and PGRS; J. Environ. Radioact. 2017, 16, 1–12. [3] M. Abasnezhad, M. Askari, M. Ahmadi, M. Einian and M. Shayesteh. Simulation of Snow White Sampler in order to Create a Native Nuclear Treaty System; Adv. Defence Sci. & Technol. 2014, 4, 211-218. [4] M. Moosavi, Y. Moosavi and A. Gholami. Synthesis of POPOP, a Scintillator Used In the Nuclear Radiation Detectors, Adv. Defence Sci. & Technol. 2012, 3,5- 11. [5] E. Wilhelm, S. Gutierrez, N. Arbor, S. Ménard and A.M. Nourreddine. Study of Different Filtering Techniques Applied to Spectra from Airborne Gamma Spectrometry, Proc. Int. Conf. on Advancements in Nuclear Instrumentation Measurement Methods & their Applications, ANIMMA, Lisbon, 2015,1-5. [6] IAEA. Airborne Gamma Ray Spectrometer Surveying, IAEA TechnicalReport Series 323, 1998. [7] R. Moonjuna, D.P. Shresthaa, V. Jettena and F. Ruitenbeeka. Application of Airborne Gamma-Ray Imagery to Assist Soil Survey: A Case Study from Thailand, Geoderm, 2017, 289, 196–212. [8] M. Rezaei, M. Ashoor and L. Sarkhosh. Airborne gamma ray spectrometry improvement using autoregressive integrated moving average model. Iranian Journal of Radiation Safety and Measurement (IJRSM), 2018, 6(2), 33-44 [9] M. Rezaei, M. Ashoor and L. Sarkhosh. Numerical evaluation of gamma radiation monitoring, Nuclear Engineering and Technology, Volume 51, Issue 3, 2019, Pages 807-817, ISSN 1738- 5733, https://doi.org/10.1016/j.net.2018.12.020. [10] ED Feigelson, GJ Babu and GA Caceres. Autoregressive Times Series Methods for Time Domain Astronomy, Front. Phys. 6:80. 2018, doi: 10.3389/fphy.2018.00080 [11] Z. Xinxiang, Z. Bo and F. Huijuan. A comparison study of outpatient visits forecasting effect between ARIMA with seasonal index and SARIMA, Int. Conf. on Progress in Informatics and Computing (PIC), Nanjing, China, 2017, 362-366. [12] J.M. Palms, B.K. Tanner, R.E. Wood and F.W. Boone. A Baseline Ground-Level Airborne Radionuclide Survey for a Nuclear Fuel Reprocessing Plant, IEEE T. Nucl. Sci., 1974, 21,585-595. [13] K. Gröchenig. Foundations of Time-Frequency Analysis, Springer Science & Business Media, 2003. [14] B.R.S. Minty. Airborne GammaRay Spectrometric Background Estimation Using Full Spectrum Analysis, Geophysics, 1992, 57. [15] IAEA. International Nuclear Verification Series, No1 Rev2; IAEA, 2011. [16] S. Peter. Gamma Detector Data Files, Physics Department, California State Polytechnic University, Pomona, CA 91768, USA, [Online]. Available: 2018 http://www.cpp.edu/~pbsiegel/nuclear.html.