一种模拟混合辐射场的重构方法和装置与流程

本发明涉及核电，尤其涉及一种模拟混合辐射场的重构方法和装置。

背景技术：

1、探究中子和γ混合辐射场的分布和变化规律，无论对于在役或退役核设施状态监测，还是指导操作人员避免遭受不必要的照射，都显得尤为重要。在核设施退役工程等实际应用中，可以借助现场已有的剂量率设备进行实地测量获得中子和γ计数率的实时数据。但是由于核设施场景存在尺度大，结构复杂等特点，场所内计数率测量点数总是有限，不可能对整个空间进行全方位探测覆盖。如何充分利用稀疏监测点数据构建起动态的复杂空间辐射场模型，并在大空间中反演得到小区域精确剂量分布，是这种场景下需要解决的问题。通过对三维中子和伽玛剂量率场的重构，可以确定辐射场中辐射源的位置所在，还可以对核设施设备状态是否完好、安全无泄漏进行估算，进而针对辐射场特征采取有效的防护措施，选择合理的作业方案，降低人员的受照剂量，实现对操作人员的辐射防护最优化。

2、目前开展的辐射场重构算法研究目前主要是采用空间有限点进行插值，注重于插值算法的研究。空间数据插值方法按照插值区域的范围分类，可以分为边界插值、整体插值、局部插值等。边界插值法仅在区域边界进行插值，而区域内部则是均匀和同质的。整体插值方法使用所有采样点插值计算待插值点处的数值，一般用于描述小范围内的变化，代表性的插值方法有趋势面插值方法等。局部插值方法使用相邻样本点拟合待插值点的值，代表性的插值方法有线性插值、克里金插值等。对于大范围、多热点辐射场，且只有有限测量点数据，用传统的插值算法实现辐射场重构将非常的困难，平均误差达到100％以上。克里金插值方法要求待插值点服从一定的统计分布，所以需要更多的测量点。线性插值则要求插值点是均匀的，难以满足复杂辐射场景的重构。传统的反距离权重插值算法，对于单源、几何简单的辐射场可以插值重构出误差精度满足要求的辐射场，但对于多源的混合场、几何结构复杂的场景，也很难达到重构的精度。

3、在一些核设施退役的场景下，涉及到许多复杂的环境因素与工作内容，不仅存在高剂量、混合辐射场的情况，包括α辐射、β辐射、γ辐射以及中子辐射等，也可能出现很多不可预见的问题。无论是在运行的核设施或者退役的核设施，都有大量的现场工作人员在其中进行作业，因此辐射安全是核设施工作场所必须考虑的重要问题之一。众所周知，电离辐射主要通过确定性效应、随机性效应对人体造成不同程度的损伤，随着受照人员的辐照时间增加，所接受的辐照剂量也越高，现场作业潜在风险也就越大。国际放射防护委员会所制定的辐射防护三原则，包括实践正当性、辐射防护最优化以及剂量限值，其中剂量限值主要包含剂量控制和剂量限制两点。因此对于工作人员而言，如果能够建立核设施作业区域乃至整个系统区域的辐射场，就能从辐射防护的角度对工作人员的作业优化与决策提供科学依据，尽量避免核设施区域内的操作人员遭受不必要的照射，从而有效降低工作人员的受照剂量，提升核设施现场的辐射防护安全水平。

4、在核设施退役工程等实际应用中，可以借助现场已有的剂量率设备或者实地测量的方式获得辐射场的实时数据。但是由于核设施监测场景存在尺度大，结构复杂等特点，受到测量时间和条件的限制，实际测量整个空间辐射场的分布是不现实的，辐射场所内剂量实时测量点数有限，无法对整个空间进行全方位探测覆盖。此外不同核设施内的核辐射种类不同，且由于射线与物质之间的相互作用，核设施内部结构也会对辐射分布造成影响，这就更需要对辐射场分布及其规律进行探究。因此只能利用有限个采样数据完成辐射场数据重构，如何充分利用稀疏监测点位数据构建起动态的复杂空间辐射场模型，从而获取更多关于辐射场的信息，并在大空间中反演得到小区域精确剂量分布，是这种场景下亟待解决的问题。

5、掌握辐射场的分布需要解决辐射场数据采样、数据整理以及重构等问题，通过实验测量或模拟数据得到的数据均为不规则分布的采样数据点，需要对这些采样数据进行数据重构。根据离散数据在空间中的分布规律，采样数据集合可分为规则点集以及非规则点集。与非规则点集比，将规则点集过渡至连续空间更容易，只需先将数据按某种顺序连接形成六面体集合，再通过寻找等值面即可，但这样无法避免传统六面体单元的拓扑结构模糊性。而对于非规则点集，则需要对这些数据进行四面体剖分后再进行插值处理，虽然过程较复杂但不仅可以避免拓扑结构模糊性，而且只需要使用少量采样数据即可完成全空间的信息表征。在辐射场重构过程中，通过实验测量得到的采样数据往往属于非规则点集，对非规则点集进行插值、拟合形成曲线或曲面过程中，需要利用散乱数据插值算法。

6、散乱数据指的是在二维平面或者三维空间中随机分布的、无规则的采样数据点。其来源主要包括：测量得到的实验数据以及计算得到的模拟数据等。散乱数据可视化就是基于少量的采样数据点，对一系列散乱数据进行插值重构(或者拟合)，从而得到对应的曲线或者曲面，最后将结果用图形(或者图像)的方式表征出来。

7、早在20世纪60年代，散乱数据插值问题就已经引起了关注，并且在接下来的时间里也发展出了一系列针对散乱数据插值或逼近的算法，并且在地形学、测绘学、摄影制图法、地球物理以及产品设计等领域获得了广泛的应用。目前，中、小规模的散乱数据插值算法已经得到了比较完善的发展，然而针对大规模的散乱数据插值算法还存在一些亟待解决的问题。基于散乱数据的插值(或拟合)算法的基本思想是：用一个(或一段)光滑的曲面(或曲线)来通过(或逼近)一系列随机分布的采样数据点，从而得到数据在这个空间的分布状况。空间数据插值方法按照插值区域的范围分类，可以分为边界插值、整体插值、局部插值等。

8、现有的技术方案针对利用有限的离散且分布不规则的数据点重构整个辐射场的难题，采用散乱数据插值的方法。散乱数据插值通常使用相邻样本点拟合待插值点的值，这些样本点通过测量或者模拟得到。目前最常用的中、小规模散乱数据插值算法主要有：三角划分法、有限元法、反距离权重插值法等。

9、其中，就三角划分法来说，对规模不大的散乱数据进行重构时，最简单的一种方法就是直接利用三角划分法对域内的点集进行划分，该三角划分结果即为重构得到的结果。目前己经发展出多种有效的三角划分算法，对于分布随机的网格划分，delaunay三角划分方法是最常用的算法之一，其“三角剖分最小内角最大”的性质，使得划分结果中包含的病态三角形尽可能少，从而确保了算法稳定性以及结果的质量。常用的delaunay三角划分算法根据实现过程又可以被分为：逐点插入法、分治法以及三角网增长法三大类。逐点插入法的基本思路是：每当加入一个新的数据点时，确定该点与己划分好的三角形网络的相对位置，如若这个点位于某个三角形的内部，则将该点与三角形顶点相连接，再对原三角形的三条边进行优化；如若该点恰好位于某个三角形的某条边上，则首先删除这条边，再重现建立两条新边，之后对其余的两条边或者四条边进行优化。这个方法实现过程简单，但是最突出的缺点是时间效率十分低。分治法的基本思路是：将一个复杂的问题分为若干个简单问题然后分别求解。具体实现过程是：首先递归的划分点集，直到子集只包含三个点构成的三角形；然后对初步划分结果进行逐级合并，直到得到完整的三角网。这个方法的缺点是，对计算机的内存需求比较大，使得无法对大规模数据进行划分。三角网增长法的基本思路是：首先以某个点为起始点，将该点与距离最近的另外一点相连接，并以此边为基础边寻找符合规则的第三点，从而形成一个三角形；之后，基于三角形中的另外两条边，寻找其余的最优点并连成三角形；如此不断重复，直到所有的点均在三角形网格中为止即可。这个方法最大的优点是，为基于分步计算的三角划分打下了基础。目前，针对较低维度点集的delaunay三角划分方法的应用己经比较广泛了，不过针对更高维度的应用发展还存在一些困难。若将该方法应用于中子/γ辐射场重建过程中，则需要增加采样数据点个数来提高重构精度。

10、就有限元法来说，其基本思路是：首先对散乱数据点进行三角划分，形成三角形网络；其次利用己知的采样数据点及其相应的给定值，构造一系列的三角面片使得采样数据点处的函数值与给定值相等。基于有限元方法的散乱数据插值方法包括clough-tocher法、herron法和最小模网络方法。任何一种基于有限元的插值算法都需要进行三角剖分以及估计采样数据点的方向偏导数，从而提高了计算复杂度，降低时间效率。同时，与其他算法相比，插值精度并没有明显的提高，所以此类算法并没有得到广泛的应用。

11、就反距离权重插值法(inverse distance weighting，idw)来说，是散乱数据插值领域中出现较早而且思路比较清晰的算法，最早是由气象学、地质学者shepard于1968年提出。凭借其原理简单、计算效率高等优点，现已经被广泛于农业与海洋方面的测绘工作，并且在图像边缘处理方面得到很好的应用，但是idw运用于辐射场重构方面的研究还较少。

12、反距离权重插值算法的原理基于地理学第一定律原理，即相近相似原理：样本点都对待插值点有一定的影响，样本点与待插值点之间的距离作为权重，当样本点与待插值点离得越近，权重就越大，它们的值就越相似；相反当样本点与待插值点离得越远，权重就越小，值的相似性也就越小。传统的反距离权重插值算法公式如下：其中，表示待插值点的属性值，vi表示参与插值运算的样本点的属性值，di表示待插值点与样本点之间的欧氏距离，p表示权重的幂值。具体地，计算欧式距离的公式如下：其中，xi，yi，zi为样本点的坐标，xj，yj，zj为待插值点的坐标。

13、反距离权重插值算法的精度影响因素如下：

14、样本点个数(n)：采样点数目对于反距离加权插值结果的精度存在一定敏感性，即随着采样点的数目减少，插值结果误差会逐渐增加，并且样本点个数过多时，同时会增加计算上的麻烦。

15、权重的幂值(p)：样本点的数据在插值计算过程中所占权重的大小受幂值p的大小所影响，p>0，样本点与待插值点之间的距离越大，由于权重与距离的幂成反比的关系，样本点的数据所占的权重就越小。采用反距离权重插值算法来进行辐射场重构计算，需要提前获取样本点数据与插值计算时距离的幂值p。

16、此外，相对误差(re)计算公式如下：其中，vreal为某点处的真实值或者实际测量值，vpred为该点处的算法重构还原出来的数值。进一步地，平均相对误差(are)计算公式如下：其中，re为某点处的相对误差，num为所有计算点的个数。单伽玛源辐射场重构，结构简单，运用插值点幂值和坐标的修正关系，可以插值得到较好的拟合结果。将插值计算结果与真值之间求平均相对误差，平均相对误差为最小，最小为7.50％，计算对比结果如图1所示，图中距离采用归一化单位，理论计算与模拟结果取得了很好的一致。但是对于双源的场景，利用基于单源γ剂量率场的反距离权重插值计算方法，重构计算双源γ剂量率场，得到其最优重构平均相对误差为89.33％，因此重构算法需要进一步的优化。

17、在辐射场插值重构方面，还有采用克里金插值算法的研究，普通克里金插值算法公式如下：其中，表示待插值点的属性值，vi表示参与插值运算的样本点的属性值，wi表示样本点的权重。通过克里金插值计算，所得单源γ剂量率场重构的平均相对误差为92.19％，在与反距离权重插值算法同等条件下重构计算双伽玛源场景，重构结果的平均相对误差为96.46％，与反距离权重插值算法重构结果误差相差较大，说明普通克里金方法必须进行优化，才能达到能处理单源散乱数据插值的目的。

18、综上，下表1总结了现有技术的缺点。

19、表1现有技术的缺点

20、

21、

22、另外，专利cn107330187公开了一种核设施退役辐射场剂量分布仿真方法，通过核退役设施场景中要模拟的辐射场的几何信息等数据建立剂量监测点分布网络，然后提取样本数据来构建神经网络模型，再通过反距离权重插值算法计算辐射场中的任意点的剂量值。但是，该方法使用传统反距离权重插值算法，同样存在误差较高且效率较低的问题，无法满足复杂空间辐射场模型的构建。

技术实现思路

1、本发明旨在至少在一定程度上解决上述的技术问题之一。

2、为此，本发明的第一个目的在于提出一种模拟混合辐射场的重构方法，能够适用于多源、复杂的混合辐射场的重构场景，并能够根据混合辐射场中的稀疏测量点，快速、便捷、高效、全面地重构得到精准的模拟混合辐射场，为辐射防护决策提供依据。

3、本发明的第二个目的在于提出一种模拟混合辐射场的重构装置。

4、为达到上述目的，本发明第一方面实施例提出了模拟混合辐射场的重构方法，包括：

5、利用辐射探测器测量混合辐射场的辐射值，并根据辐射值确定混合辐射场的辐射源的参考位置；

6、根据辐射源的参考位置建立模拟混合辐射场；

7、获取模拟混合辐射场中模拟辐射源的模拟数据；

8、根据模拟数据确定模拟混合辐射场的第一基函数；

9、根据模拟混合辐射场的第一基函数判断模拟混合辐射场数据和实测混合辐射场数据的第一不匹配度是否小于等于第一预设阈值；

10、如果第一不匹配度小于等于第一预设阈值，则根据模拟辐射源的第一位置重构混合辐射场。

11、可选的，根据辐射源的参考位置建立模拟混合辐射场，包括：

12、采用geant4程序定义模拟的粒子类型及其位置，以及定义物理过程和统计信息。

13、可选的，方法还包括：将混合辐射场划分为多个第一网格单元，使得各个辐射源分别位于一个第一网格单元内。

14、可选的，第一网格单元为立方体和/或圆柱体。

15、可选的，确定模拟混合辐射场的第一基函数，包括：

16、获取模拟混合辐射场中的模拟点和模拟点对应的模拟数据，模拟点包括第一待插值点和第一插值点样本点；

17、第一待插值点的模拟数据通过公式一表示，公式一：j＝1、2、…m，其中，αi表示第i个第一拟合系数，表示第j个第一待插值点的模拟数据，n表示第一插值点样本点的数量，m表示第一待插值点的数量；

18、第一插值点样本点的模拟数据通过公式二表示，公式二：其中，vi表示第i个第一插值点样本点的模拟数据，xi、yi、zi表示第i个第一插值点样本点在模拟混合辐射场的第一网格单元的坐标，xj、yj、zj表示第j个第一待插值点在模拟混合辐射场的第一网格单元的坐标，p表示权重的幂值；

19、根据公式一和公式二得到模拟混合辐射场的第一基函数，第一基函数通过公式三表示，公式三：

20、可选的，不匹配度包括误差值，根据模拟混合辐射场的第一基函数判断模拟混合辐射场和混合辐射场的不匹配度是否小于等于第一预设阈值，包括：

21、根据第一基函数，利用公式四计算第二待插值点的预测数据，第二待插值点为第一待插值点在混合辐射场中对应的测量点，公式四：其中，表示第j个第二待插值点的预测数据，αi表示第i个第一拟合系数，表示第i个第二插值点样本点的测量数据，第二插值点样本点为第一插值点样本点在混合辐射场中对应的测量点，表示第i个第二插值点样本点在混合辐射场中的坐标，表示第j个第二待插值点在混合辐射场的坐标，n表示第二插值点样本点的数量，m表示第二待插值点的数量，p表示权重的幂值；

22、利用公式五计算第二待插值点的测量数据和第二待插值点的预测数据之间的误差值are1，公式五：其中，表示第j个第二待插值点在混合辐射场中的测量数据；

23、判断误差值是否小于等于第一预设阈值。

24、可选的不匹配度，包括偏差值，根据模拟混合辐射场的第一基函数判断模拟混合辐射场和混合辐射场的不匹配度是否小于等于第一预设阈值，还包括：

25、第二待插值点的测量数据通过公式六表示，第二待插值点为第一待插值点在混合辐射场中对应的测量点，公式六：j＝1、2、…m，其中，表示第i个第二拟合系数，表示第j个第二待插值点的测量数据，n表示第二插值点样本点的数量，第二插值点样本点为第一插值点样本点在混合辐射场中对应的测量点，m表示第二待插值点的数量；

26、第二插值点样本点的测量数据通过公式七表示，公式七：其中，表示第i个第二插值点样本点的测量数据，表示第i个第二插值点样本点在混合辐射场中的坐标，表示第j个第二待插值点在混合辐射场的坐标，p表示权重的幂值；

27、根据公式六和公式七得到混合辐射场的第二基函数，第二基函数通过公式八表示，公式八：

28、利用公式九计算第一基函数和第二基函数的偏差值are2，公式九：其中，αi表示第i个第一拟合系数；

29、判断偏差值是否小于等于第一预设阈值。

30、可选的方法还包括：

31、如果第一不匹配度大于等于第一预设阈值，则利用二分法确定模拟辐射源的第二位置；

32、获取第二位置对应的第二不匹配度，并判断第二不匹配度是否小于等于第二预设阈值；

33、如果第二不匹配度小于等于第二预设阈值，则根据模拟辐射源的第二位置重构混合辐射场；

34、如果第二不匹配度大于等于第二预设阈值，则再次利用二分法确定模拟辐射源的第二位置，直至第二不匹配度小于等于第二预设阈值。

35、可选的，利用二分法确定模拟辐射源的第二位置，包括：

36、获取模拟辐射源所在的第一网格单元中各边的中点，并分别将模拟辐射源所在的第一网格单元的各面中相对的边上的中点相连，以将模拟辐射源所在的第一网格单元划分为n个第二网格单元；

37、将各个第二网格单元进行排列组合，以得到na个模拟辐射源的预选第二位置，其中，a表示模拟辐射源的数量；

38、分别计算各个预选第二位置对应的第二不匹配度，并确定第二不匹配度最小值对应的预选第二位置为模拟辐射源的第二位置。

39、本发明实施例的模拟混合辐射场的重构方法，首先，利用辐射探测器测量混合辐射场的辐射值，并根据辐射值确定混合辐射场的辐射源的参考位置；其次，根据辐射源的参考位置建立模拟混合辐射场；然后，获取模拟混合辐射场中模拟辐射源的模拟数据；接下来，根据模拟数据确定模拟混合辐射场的第一基函数；然后，根据模拟混合辐射场的第一基函数判断模拟混合辐射场和混合辐射场的第一不匹配度是否小于等于第一预设阈值；最后，如果第一不匹配度小于等于第一预设阈值，则根据模拟辐射源的第一位置重构混合辐射场。由此，本方法适用于多源、复杂的混合辐射场的重构场景，通过构建模拟混合辐射场的基函数，能够根据有限个混合辐射场中的测量点，快速、便捷、高效、全面地重构得到精准的模拟混合辐射场，从而能够显示出混合辐射场在空间的分布情况，为辐射防护决策提供依据。

40、为达到上述目的，本发明第二方面实施例提出了模拟混合辐射场的重构装置，包括：

41、测量模块，用于利用辐射探测器测量混合辐射场的辐射值，并根据辐射值确定混合辐射场的辐射源的参考位置；

42、建立模块，用于根据辐射源的参考位置建立模拟混合辐射场；

43、获取模块，用于获取模拟混合辐射场中模拟辐射源的模拟数据；

44、确定模块，用于根据模拟数据确定模拟混合辐射场的第一基函数；

45、判断模块，用于根据模拟混合辐射场的第一基函数判断模拟混合辐射场和混合辐射场的第一不匹配度是否小于等于第一预设阈值；

46、第一重构模块，用于如果第一不匹配度小于等于第一预设阈值，则根据模拟辐射源的第一位置重构混合辐射场。

47、可选的，建立模块，用于：

48、采用geant4程序定义模拟的粒子类型及其位置，以及定义物理过程和统计信息。

49、可选的，装置还用于：

50、将混合辐射场划分为多个第一网格单元，使得各个辐射源分别位于一个第一网格单元内。

51、可选的，第一网格单元为立方体和/或圆柱体。

52、可选的，确定模块，用于：

53、获取模拟混合辐射场中的模拟点和模拟点对应的模拟数据，模拟点包括第一待插值点和第一插值点样本点；

54、第一待插值点的模拟数据通过公式一表示，公式一：其中，αi表示第i个第一拟合系数，表示第j个第一待插值点的模拟数据，n表示第一插值点样本点的数量，m表示第一待插值点的数量；

55、第一插值点样本点的模拟数据通过公式二表示，公式二：其中，vi表示第i个第一插值点样本点的模拟数据，xi、yi、zi表示第i个第一插值点样本点在模拟混合辐射场的第一网格单元的坐标，xj、yj、zj表示第j个第一待插值点在模拟混合辐射场的第一网格单元的坐标，p表示权重的幂值；

56、根据公式一和公式二得到模拟混合辐射场的第一基函数，第一基函数通过公式三表示，公式三：

57、可选的，不匹配度包括误差值，判断模块，用于：

58、根据第一基函数，利用公式四计算第二待插值点的预测数据，第二待插值点为第一待插值点在混合辐射场中对应的测量点，公式四：其中，表示第j个第二待插值点的预测数据，αi表示第i个第一拟合系数，表示第i个第二插值点样本点的测量数据，第二插值点样本点为第一插值点样本点在混合辐射场中对应的测量点，表示第i个第二插值点样本点在混合辐射场中的坐标，表示第j个第二待插值点在混合辐射场的坐标，n表示第二插值点样本点的数量，m表示第二待插值点的数量，p表示权重的幂值；

59、利用公式五计算第二待插值点的测量数据和第二待插值点的预测数据之间的误差值are1，公式五：其中，表示第j个第二待插值点在混合辐射场中的测量数据；

60、判断误差值是否小于等于第一预设阈值。

61、可选的，不匹配度包括偏差值，判断模块，还用于：

62、第二待插值点的测量数据通过公式六表示，第二待插值点为第一待插值点在混合辐射场中对应的测量点，公式六：其中，表示第i个第二拟合系数，表示第j个第二待插值点的测量数据，n表示第二插值点样本点的数量，第二插值点样本点为第一插值点样本点在混合辐射场中对应的测量点，m表示第二待插值点的数量；

63、第二插值点样本点的测量数据通过公式七表示，公式七：其中，表示第i个第二插值点样本点的测量数据，表示第i个第二插值点样本点在混合辐射场中的坐标，表示第j个第二待插值点在混合辐射场的坐标，p表示权重的幂值；

64、根据公式六和公式七得到混合辐射场的第二基函数，第二基函数通过公式八表示，公式八：

65、利用公式九计算第一基函数和第二基函数的偏差值are2，公式九：其中，αi表示第i个第一拟合系数；

66、判断偏差值是否小于等于第一预设阈值。

67、可选的，装置还包括第二重构模块，用于：

68、如果第一不匹配度大于等于第一预设阈值，则利用二分法确定模拟辐射源的第二位置；

69、获取第二位置对应的第二不匹配度，并判断第二不匹配度是否小于等于第二预设阈值；

70、如果第二不匹配度小于等于第二预设阈值，则根据模拟辐射源的第二位置重构混合辐射场；

71、如果第二不匹配度大于等于第二预设阈值，则再次利用二分法确定模拟辐射源的第二位置，直至第二不匹配度小于等于第二预设阈值。

72、可选的，第二重构模块，用于：

73、获取模拟辐射源所在的第一网格单元中各边的中点，并分别将模拟辐射源所在的第一网格单元的各面中相对的边上的中点相连，以将模拟辐射源所在的第一网格单元划分为n个第二网格单元；

74、将各个第二网格单元进行排列组合，以得到na个模拟辐射源的预选第二位置，其中，a表示模拟辐射源的数量；

75、分别计算各个预选第二位置对应的第二不匹配度，并确定第二不匹配度最小值对应的预选第二位置为模拟辐射源的第二位置。

76、本发明实施例的模拟混合辐射场的重构装置，首先，利用辐射探测器测量混合辐射场的辐射值，并根据辐射值确定混合辐射场的辐射源的参考位置；其次，根据辐射源的参考位置建立模拟混合辐射场；然后，获取模拟混合辐射场中模拟辐射源的模拟数据；接下来，根据模拟数据确定模拟混合辐射场的第一基函数；然后，根据模拟混合辐射场的第一基函数判断模拟混合辐射场和混合辐射场的第一不匹配度是否小于等于第一预设阈值；最后，如果第一不匹配度小于等于第一预设阈值，则根据模拟辐射源的第一位置重构混合辐射场。由此，本装置适用于多源、复杂的混合辐射场的重构场景，通过构建模拟混合辐射场的基函数，能够根据有限个混合辐射场中的测量点，快速、便捷、高效、全面地重构得到精准的模拟混合辐射场，从而能够显示出混合辐射场在空间的分布情况，为辐射防护决策提供依据。

77、本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。