一种核素扩散模型训练、预测方法、系统以及可读介质

本发明涉及核素扩散预测，尤其是一种核素扩散模型训练、预测方法、系统以及可读介质。

背景技术：

1、放射性污染对人类和自然环境造成不可逆转的伤害。因此，放射性核素扩散的预测研究至关重要，有助于科学指导核应急决策。

2、核素扩散预测研究涉及核物理学、大气环境科学和计算机科学等多个学科，已经发展出成熟的理论基础和应用模式。传统的核素扩散预测方法包括大气示踪实验、风洞实验和数值模拟预测。大气示踪实验是指在特定位置中释放示踪剂，通过采样监测得到区域环境下大气流动特征和示踪剂扩散规律。常见的气体示踪剂有sf6气体，sf6性质稳定，可通过气相色谱法对其浓度进行检测。风洞实验与大气示踪实验原理类似，也是通过示踪剂来反映区域的大气流动特征和扩散规律。不同于大气示踪实验是在真实场景下进行，风洞试验是在对真实场景按照一定比例尺放缩的模型中进行的。风洞实验的优势在于降低成本的同时实现了对于气象条件和下垫面环境的控制，可通过定量研究的方式进行扩散预测。

3、传统的大气扩散数值模型主要包括高斯烟羽模型、拉格朗日烟团模型、欧拉模型以及计算流体力学。但是这些传统的核素扩散预测方法都非常依赖放射性核素的源项信息，这使得传统核素模拟方法难以快速适用于地点不确定、地形复杂、气象多变的突发性核素扩散场景。

技术实现思路

1、为了克服上述现有技术中核素扩散预测方法过于依赖放射性核素的源项信息，难以适用突发性核素扩散场景的缺陷，本发明提出了一种核素扩散模型的训练方法，适用于任何场景，可高速精确预测核素扩散情况。

2、本发明提出的一种核素扩散模型的训练方法，包括以下步骤：

3、sa1、构建基础模型、第一数据集和第二数据集；

4、第一数据集用于存储缺失部分时间点的时序数据；第二数据集用于存储完整且标注有放射性核素扩散图像的时序数据；时序数据包含监测区域在多个连续的监测时间点上采集的监测对象；监测对象包括放射性核素浓度；

5、基础模型包括预处理模块和ddpm网络，预处理模块的输入为核素扩散模型的输入，ddpm网络的输出即为核素扩散模型的输出；预处理模块用于对输入的马尔科夫转移场图像进行重构，ddpm网络基于重构的马尔科夫转移场图像生成预测时间段上的马尔科夫转移场图像；

6、sa2、将第一数据集和第二数据集中的时序数据均处理为马尔科夫转移场图像；

7、sa3、在第一数据集上训练预处理模块至收敛；

8、sa4、从第二数据集抽取第二训练样本，对第二训练样本的时序数据进行缺失处理后在转换为马尔科夫转移场图像，作为缺失样本；

9、sa5、将缺失样本经预处理模块处理得到模糊图像，ddpm网络对模糊图像进行处理得到预测的放射性核素扩散图像，作为预测值；

10、sa6、将第二训练样本关联的放射性核素扩散图像作为真实值，结合预测值和真实值计算损失；

11、sa7、判断损失是否收敛；否，则通过损失反向传播更新ddpm网络，然后返回步骤sa4；是，则固定基础模型作为核素扩散模型。

12、优选的，sa2中，将时序数据处理成马尔科夫转移场图像的方法为：将时序数据处理成各监测对象的时间序列，采用马尔科夫转移矩阵将各监测对象的时间序列处理成马尔科夫编码图像，然后对各监测对象的马尔科夫编码图像进行加权叠加，得到马尔科夫转移场图像。

13、优选的，sa3中，在第一数据集上训练预处理模块的方法为：预处理模块对第一数据集中的马尔科夫转移场图像进行处理并输出重构图像作为模糊图像，ddpm根据模糊图像生成放射性核素扩散图像；根据优化目标更新预处理模块的参数，直至预处理模块收敛；优化目标为：

14、

15、表示预处理模块的输入的马尔科夫转移场图像，表示预处理模块的输出数据；x表示ddpm输出的放射性核素扩散图像；送入ddpm网络用于引导生成；表示基础模型在参数η控制下由和生成x的概率，即预处理模块输入为输出为时ddpm网络输出为x的概率。

16、优选的，监测对象包括还包括大气压强、风速、温度以及湿度中的一项或者多项。

17、优选的，风速取值x轴风速、y轴风速和z轴风速的均值。

18、优选的，预处理模块用β-vae模块。

19、本发明提出的一种采用所述的核素扩散模型的训练方法的核素扩散预测方法，包括以下步骤：

20、s1、采用所述的核素扩散模型的训练方法，得到核素扩散模型；在设置的监测区域采集时序数据；

21、s2、对时序数据随机采样形成缺失部分时间点的新生时序数据，并将新生时序数据转化为马尔科夫转移场图像；

22、s3、将马尔科夫转移场图像输入核素扩散模型；预处理模块对马尔科夫转移场图像进行重构据；ddpm网络对重构数据进行处理并输出放射性核素扩散图像；

23、s4、将放射性核素扩散图像进行马尔科夫逆编码，得到监测区域在预测时间段上的监测对象构成的时序数据的预测值，从预测值中提取放射性核素浓度预测序列作为核素扩散预测结果。

24、优选的，s2中，将新生时序数据转化为马尔科夫转移场图像的方法为：将新生时序数据处理成各监测对象的时间序列，采用马尔科夫转移矩阵将各监测对象的时间序列处理成马尔科夫编码图像，然后对各监测对象的马尔科夫编码图像进行加权叠加，得到马尔科夫转移场图像。

25、本发明提出的一种核素扩散预测系统，包括存储器和处理器，存储器中存储有计算机程序，处理器连接存储器，处理器用于执行所述计算机程序，以实现所述的核素扩散预测方法。

26、本发明提出的一种可读介质，存储有计算机程序，所述计算机程序被执行时用于实现所述的核素扩散预测方法。

27、本发明的优点在于：

28、(1)本发明提出的一种核素扩散预测方法，首先将采集的时序数据转换成马尔科夫转移场图像，然后通过预处理模块对马尔科夫转移场图像进行重构，以获取更能彰显特征信息的重构数据；再将重构数据输入ddpm网络进行处理，生成预测时间段上的放射性核素扩散图像；ddpm网络输出的放射性核素扩散图像，实际上就是预测时间段上的时序数据预测值对应的马尔科夫转移场图像，通过该放射性核素扩散图像的马尔科夫逆编码，便可得到。本发明中，核素扩散模型基于马尔科夫转移场图像进行预测，对输入数据的特征考虑更加全面，预测结果更加精确。

29、(2)本发明中，预处理模块采用β-vae模块，使用其生成的图像作为先验条件带入ddpm网络中，使得ddpm有条件的生成对应的核素扩散马尔科夫转移场图像，进一步提高了预测的可靠性。

30、(3)本发明中，首先获取各监测对象的时间序列的马尔科夫编码图像，然后通过加权叠加得到多特征耦合的马尔科夫转移场图像；使得核素扩散模型的输入以简单、形象的图像方式深度表述监测特征，从而方便模型处理过程中的特征挖掘。

31、(4)本发明提出的一种核素扩散模型的训练方法，训练过程中，预处理模块的有监督训练和ddpm的无监督训练是相互独立的；提高了模型训练过程中整体的收敛速度。预处理模块的生成结果，作为ddpm的输入之一，引导ddpm生成最终的图像，进一步提高了ddpm网络的训练精度和效率。