@article{Onkangi J. N.2023-11-25,
author = { Onkangi J. N.,  Angeyo H. K.},
title = {Использование машинного обучения на базе лазерно-искровой эмиссионной спектроскопии для проведения судебно-медицинского атрибутивного анализа продуктов деления в суррогатных высокоактивных ядерных отходах},
year = {2023},
publisher = {NP «NEICON»},
abstract = {Исследована применимость лазерно-искровой эмиссионной спектроскопии и машинного обучения для прямого быстрого анализа отдельных продуктов деления (FP), а именно Y, Sr, Rb и Zr, в суррогатных высокоактивных ядерных отходах (постдетонационные обломки стекла, постдетонационные порошки и капли жидкости (в мкл) с места радиологического воздействия (RCS)). Разработаны стратегии калибровки искусственной нейронной сети для количественного анализа следов FP в этих материалах, которые позволили достичь прогнозирования >95 % для образцов всех типов. Из-за отсутствия соответствующих сертифицированных стандартных образцов для валидации метода использованы синтетические стандартные образцы с точностью ~91 %. На основании спектральных характеристик FP с помощью анализа главных компонент дифференцированы ядерные и неядерные отходы, продемонстрирован потенциал метода для ядерной судебной экспертизы и атрибутивного анализа RCS.},
URL = {https://www.academjournals.by/publication/15385},
eprint = {https://www.academjournals.by/files/15344},
journal = {Журнал прикладной спектроскопии},
}