机译:基于经常性神经网络的序γ剂量率严重核事故的多核源期估计方法
Nanjing Univ Aeronaut & Astronaut Dept Nucl Sci & Technol Nanjing 211106 Peoples R China|Jiangsu Higher Educ Inst Collaborat Innovat Ctr Radiat Med Suzhou 215021 Peoples R China;
Nanjing Univ Aeronaut & Astronaut Dept Nucl Sci & Technol Nanjing 211106 Peoples R China;
Nanjing Univ Aeronaut & Astronaut Dept Nucl Sci & Technol Nanjing 211106 Peoples R China;
Nanjing Univ Aeronaut & Astronaut Dept Nucl Sci & Technol Nanjing 211106 Peoples R China;
Lanzhou Univ Sch Nucl Sci & Technol Lanzhou 730000 Peoples R China;
Suzhou Guanrui Informat Technol Co Ltd Suzhou 215123 Peoples R China;
Nanjing Univ Aeronaut & Astronaut Dept Nucl Sci & Technol Nanjing 211106 Peoples R China|Jiangsu Higher Educ Inst Collaborat Innovat Ctr Radiat Med Suzhou 215021 Peoples R China;
Nuclear emergency management; Source term inversion; Environmental monitoring data; InterRas; Bayesian optimization;
机译:基于伽马剂量率测量的核应急管理顺序多核素发射率估算方法
机译:利用伽马剂量率观测值评估福岛核电站事故源项的逆建模方法
机译:使用γ剂量率观察评估福岛核电站事故源期限的反向建模方法
机译:核电站严重事故源期限研究方法
机译:使用人工神经网络对严重事故条件下核反应堆燃料中挥发性裂变产物的释放进行建模
机译:基于偏置术语的神经网络的盲源分离方法和最大似然估计标准
机译:使用伽马剂量率观测值评估福岛核电站事故源项的逆建模方法
机译:严重核电厂事故应急事件中源项估算