基于遗传算法和迭代算法的α能谱反褶积解谱方法研究

Alpha spectrum analysis technology is a key to the qualitative and quantitative analysis of alpha nuclide. The massive and complex alpha spectrum analysis has always been the difficulty of this technology. This project aims at alpha spectrum analysis, around the goal of the accurate solution of the complicated alpha spectrum. On the basis of conventional spectral response function fitting solution, the project develops new methods and application studies. First, in view of the alpha detector response function fitting by the algorithm of weighted least squares, we study on the initial parameters estimation based on the Genetic Algorithm. Secondly, Monte Carlo simulation is carried out on the alpha spectrum, and on the basis of alpha detector response function, alpha simulated spectrum analytical broadening algorithm is studied. Then, on this basis, the detector response matrix is established changing with energy, and deconvolution method based on iterative algorithm is studied to unfold the alpha spectrum. Finally, the methods are written to be programs and application is carried out, so that, the alpha nuclide's qualitative and quantitative analysis is achieved. In a word, this project intends to apply new methods and new ideas into the alpha spectrum analysis as an old issue, and we expect to promote the development of alpha spectroscopy detecting technology from another way.

α能谱分析技术是α核素定性和定量分析的关键，多核素的复杂α能谱解析一直是该技术的难点。本项目针对α能谱分析，围绕多核素的复杂α能谱的准确解谱为目标，在传统探测器响应函数拟合解谱的基础上，开展新方法和应用研究。首先，针对α能谱探测器响应函数的加权最小二乘拟合建模，开展基于遗传算法的参数初值估计研究；其次，对α能谱进行蒙特卡罗模拟，以α能谱探测器响应函数为基础，开展α模拟能谱解析展宽算法研究，以此建立蒙特卡罗模拟响应能谱；然后，在此基础上，建立适应于能量变化的探测器响应矩阵，进而开展基于迭代算法的α能谱反褶积解谱方法研究；最后，编写多核素复杂α能谱反褶积解谱程序并开展应用和评价研究，实现α核素的准确定性和定量分析。本项目拟将新方法、新思路应用到α能谱解析这个老问题上，以期能从另一个角度促进α能谱探测技术的发展。

基于半导体Si探测器的α粒子能谱测量技术已成为测定环境、生物及核技术相关样品中α核素的重要放射性分析手段，其中对α粒子能谱的解析是实现α核素定性和定量分析的基础。本项目围绕半导体Si探测器α粒子能谱解析开展新模型、新方法和应用研究。主要研究内容及成果如下：（1）系统分析了α粒子能谱的形成机理、半导体Si探测器对α粒子能谱响应的物理过程，针对α粒子与转换电子、光子的符合效应对α粒子能谱造成的高能拖尾，建立了一种新型带高能拖尾的α粒子能谱探测器响应函数模型——EMG-Landau模型，该模型以多指数函数卷积高斯的EMG模型为基础，增加Landau分布项描述高能拖尾。通过IAEA参考α粒子能谱、EUROMET参考α粒子能谱和超铀核素α粒子能谱实验对该模型进行了应用测试，结果表明：EMG-Landau模型能够更全面准确地描述α粒子能谱峰形，能有效准确地拟合带有高能拖尾的α粒子能谱；对于符合效应明显的α核素，如243Am和241Am，EMG-Landau模型拟合效果优于EMG模型；对于低能量分辨率、低统计性以及符合效应较弱的α粒子能谱，EMG-Landau模型拟合效果与EMG模型拟合效果相当。（2）针对加权非线性最小二乘拟合α粒子能谱中对参数初值估计的关键问题，提出一种基于统计矩的参数初值获取方法。该方法适用于单指数卷积高斯的响应函数模型，但对更复杂的多指数卷积高斯的响应函数模型的应用受限；本文在此基础上，又提出一种以Reχ2函数为适应度函数的基于遗传算法的参数初值获取方法，准确对多参数的α粒子能谱探测器响应函数模型进行了参数初值估计。（3）将反卷积迭代方法应用于α粒子能谱解析中，并通过对比Boosted-Gold、Richardson–Lucy和MAP三种目前最理想的能谱反卷积迭代算法，综合解析准确性和运算速度两方面指标，表明Boosted-Gold迭代算法优于其它两种算法。在反卷积迭代解析过程中，本文针对蒙特卡罗模拟α粒子能谱响应函数，建立了一种α粒子蒙特卡罗模拟注量谱展宽算法，准确实现了α粒子模拟谱的解析展宽。在此基础上，融合蒙特卡罗模拟α粒子能谱与能谱插值算法建立了α粒子能谱探测器响应矩阵，为实现α粒子能谱反卷积迭代解析奠定了基础。本项目研究成果为提高α粒子能谱解析精度和为实现自动化解析积累了研究经验，具有一定的参考价值。