شماره کتابشناسی ملی
شماره
۲۱۲۲۲پ
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
per
عنوان و نام پديدآور
عنوان اصلي
آنالیز طیف گامای آشکارساز NaI با استفاده از الگوریتم‌های تصادفی
عنوان اصلي به زبان ديگر
Analysis of the gamma-ray spectra of a NaI detector using randomized algorithms
نام نخستين پديدآور
/داود علیزاده
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: فیزیک
تاریخ نشرو بخش و غیره
، ۱۳۹۷
نام توليد کننده
، افشاری
مشخصات ظاهری
نام خاص و کميت اثر
۱۵۶ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
دکتری
نظم درجات
فیزیک، گرایش هسته‌ای
زمان اعطا مدرک
۱۳۹۷/۱۱/۱۶
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
آشکارسازهای سنتیلاتور یدورسدیم ارزان قیمت بوده و به وفور در علوم مهندسی و کاربردی استفاده می‌شوند .در این آشکارسازها پرتوی گاما یا مستقیما از چشمه به آشکارساز می‌تابد و یا پس از اندرکنش با مواد مختلف پراکنده شده) عبور کرده (و به آشکارساز می‌رسد .با آنالیز طیف گامای ثبت شده در آشکارساز NaI(Tl) می‌توان اطلاعات مفیدی درباره چشمه گاما یا ماده پراکننده به دست آورد .اما به علت قدرت تفکیک پایین این آشکارسازها آنالیز طیف گاما مشکل بوده بطوری که تشخیص دو خط با انرژی نزدیک به هم در طیف گامای مرکب از آنها امکان‌پذیر نیست .برای رفع این مشکل و تعیین دقیق ویژگی‌های چشمه گاما یا ماده پراکننده با آنالیز طیف گامای مربوطه، روش‌های مختلفی ارائه شده‌اند که اغلب مبتنی بر بهینه‌سازی ریاضی و یا حل دستگاه معادلات خطی می‌باشند .مسایل بهینه‌سازی هنگامی ظاهر می‌شوند که تعیین مشخصات ماده پراکننده مد نظر باشد اما هنگامی که هدف، تعیین مشخصات چشمه گاما باشد بایستی دستگاه معادلات خطی حل شود که اصطلاحا واپیچش طیف گاما نامیده می‌شود .روش‌های ریاضی برای حل مسایل بهینه‌سازی وابسته به حدس اولیه بوده و در مسایل پیچیده در بهینه‌های محلی به دام می‌افتند همچنین این روش‌ها قادر به حل دستگاه معادلات خطی بد وضع نیستند هر چند الگوریتم‌های تکراری تا حدودی این ضعف را برطرف کرده‌اند اما همواره دستیابی به روش‌هایی با دقت بیشتر ضروری است .در این رساله روش‌های مدل‌سازی مصنوعی از جمله شبکه‌های عصبی مصنوعی و سیستم انفیس جهت تعیین مشخصات ماده پراکننده مورد بررسی قرار گرفته و از آنها برای اندازه‌گیری مولاریته اسید در یک تست غیر مخرب استفاده شده است .نتایج حاصل نشان داد که مدل‌سازی مصنوعی قادر به تخمین مولاریته اسید با خطای نسبی کمتر از ۳ بوده و می‌توان از این روش در کاربردهای صنعتی استفاده نمود .همچنین در این مطالعه الگوریتم‌های فراابتکاری مورد مطالعه قرار گرفته و با انتخاب یک تابع هدف مناسب روش چند گامی جدیدی برای واپیچش طیف مرکب معرفی شده است .روش جدید برای واپیچش چندین طیف شبیه‌سازی شده و تجربی استفاده شد که نتایج حاصل بیانگر کارایی و توانایی بالای این روش در مقایسه با روش‌های پیشین می‌باشد .در روش جدید الگوریتم‌های ژنتیک (GA) و ازدحام ذرات (PSO) که از جمله الگوریتم‌های فراابتکاری معروف در مسایل بهینه‌سازی کاربردی هستند، جهت بهینه‌سازی تابع هدف مورد استفاده قرار گرفته‌اند .در این رساله، جهت افزایش سرعت و دقت بهینه‌سازی، الگوریتم فراابتکاری جدیدی مبتنی بر اندرکنش‌های پرتوی گاما با ماده تحت عنوان GRIBO ارائه شده و از ترکیب آن با روش چند گامی برای واپیچش طیف‌های مرکب شبیه‌سازی شده و تجربی استفاده گردیده و کارایی آن در مقایسه با الگوریتم‌های پیشین مورد ارزیابی قرار گرفته است .در نهایت الگوریتم ترکیبی معرفی شده جهت واپیچش طیف مرکب طبیعی استفاده شده و نتایج حاصل از آن با نتایج واقعی مقایسه گردیده است که نتایج حاصل اعتبار روش ارائه شده را تایید می‌کند
متن يادداشت
Sodium Iodide scintillation detectors are inexpensive and are used extensively in engineering and applied sciences. In gamma-ray spectrometry with these detectors, the gamma photons hit the detector either directly from the source or after scattering from different materials. By analyzing the gamma spectrum recorded in the NaI(Tl) detector, useful information about the gamma source or the scattering matter can be obtained. But due to the low resolution of these detectors, the gamma spectral analysis is difficult, so that, it is not possible to resolve two lines with close energies in the complex gamma-ray spectrum. To solve this problem and precisely determine the characteristics of gamma sources or scattering matter, several spectral analysis methods have been proposed, which are often based on mathematical optimization or solving set of linear equations. When the specification of the scattering matter is to be considered, optimization issues appear. But when the goal is to determine the gamma sources, the set of linear equations must be solved and the gamma spectrum deconvolved. Mathematical methods for solving optimization problems depend on initial guesses and trapped in local optima. Also, these methods are not able to solve ill-conditioned problems. However, iterative algorithms have somewhat resolved this weakness, but always achieve methods with more precision is necessary. In this thesis, artificial modeling techniques such as artificial neural networks and ANFIS systems have been investigated to determine the characteristics of scattering matter and have been used to measure molarity of acid in a non-destructive test. The results showed that artificial modeling can estimate the molarity of acid with relative error less than 3 and can be used in industrial applications. Also, in this study, the meta-heuristic algorithms have been studied and by introducing a suitable objective function, a new multi-step method for deconvolution of complex gamma spectrum has been introduced. The new method was used to deconvolve the several simulated and experimental spectra. The obtained results indicate that this method is efficient compared with previous methods. In the new method, the Genetic Algorithms (GA) and Particle Swarm Optimization (PSO), which are well-known meta-heuristic algorithms, are used to optimize the objective function. In this thesis, in order to increase the speed and precision of the multi-step method, a new meta-heuristic algorithm based on gamma-ray interactions with material, called GRIBO, has been proposed. Combination of the GRIBO with the multi-step method has been used for the deconvolution of the simulated and experimental complex spectra and its efficiency have been evaluated compared to previous algorithms. Finally, the proposed hybrid algorithm is used to deconvolve the natural complex spectrum, and the results are compared with the actual results, which confirm the validity of the proposed method
عنوان اصلی به زبان دیگر
عنوان اصلي به زبان ديگر
Analysis of the gamma-ray spectra of a NaI detector using randomized algorithms
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
علیزاده، داود
مستند نام اشخاص تاييد نشده
Alizadeh, Davood
دسترسی و محل الکترونیکی
يادداشت عمومي
سیاه و سفید
وضعیت فهرست نویسی
وضعیت فهرست نویسی
نمایه‌سازی قبلی
