Nghiên cứu ứng dụng trí tuệ nhân tạo trong giám sát và dự báo phát tán khí phóng xạ tại các khu vực mỏ chưa chất phóng xạ, áp dụng thử nghiệm ở mỏ đồng Sin Quyền

Tóm tắt

Radon là một trong các khí gây nguy hiểm phóng xạ cho con người. Trong nghiên cứu này, mô hình dự báo phát tán khí radon được xây dựng dựa trên dữ liệu đo ở mỏ đồng Sin Quyền. Đề tài đã thực hiện các bước để xây dựng và tối ưu cấu trúc mô hình, đánh giá khả năng dự báo của mô hình, phân tích so sánh với kết quả dự báo của các mô hình khác và phân tích độ nhạy để xác định các yếu tố quan trọng ảnh hướng đến kết quả dự báo. Mô hình ANN một lớp ẩn được xây dựng có ưu điểm cần ít tài nguyên tính toán trong huấn luyện và kiểm chứng; mô hình có thể được huấn luyện mà không cần giảm kích thước dữ liệu đầu vào. Mô hình cũng không bị vượt quá mức dự báo do các lỗi về huấn luyện (RMSE = 2,793) và kiểm chứng (RMSE = 2,791). Mô hình đề xuất là một hướng tiếp cận đơn giản và dự báo chính xác với sai số nhỏ cho cả tập dữ liệu huấn luyện và kiểm chứng. Kết quả chỉ ra có sự tương quan ý nghĩa cao và độ lệch nhỏ giữa nồng độ radon dự báo và đo đạc. Các kết quả dự báo trong tập dữ liệu huấn luyện, kiểm chứng và toàn bộ dữ liệu chứng tỏ rằng mô hình này đã hoạt động tốt trên các dữ liệu ẩn. So với các mô hình học máy khác như mô hình ANN hai lớp ẩn, Support Vector Machine (SVM) và rừng ngẫu nhiên (RF), mô hình đề xuất có một số ưu điểm về hiệu suất với độ chính xác của dự báo cao hơn. Phương pháp phân tích độ nhạy chỉ ra liều chiếu gamma và khoảng cách là các yếu tố quan trọng nhất trong dự báo sự phát tán nồng độ radon; tiếp theo là các yếu tố hàm lượng urani, tọa độ lấy mẫu urani và hướng. Mặc dù mô hình ANN một lớp ẩn được xây dựng có nhiều ưu điểm, nhưng cần phải được tiếp tục cải thiện trong các nghiên cứu tiếp theo như xử lý với dữ liệu giám sát thời gian thực với nhiều dữ liệu đầu vào của các thông số khác nhau cùng với dữ liệu đo đạc nồng độ khí radon.