一种基于线性叠加模型的能谱解析方法

摘要

本发明公开了一种基于线性叠加模型的能谱解析方法。针对多元素且存在导致能谱畸变的不稳定因素的复杂能谱解析问题，结合能谱形成过程的特性，提出一种线性叠加模型(Linear Superposition)，将自然选择引入算法中，采用随机惯性权重的改进型粒子群算法进行参数寻优。每一个粒子对应一个LIN‑SUP模型，并计算每一个LIN‑SUP模型的适应度值，经过粒子群的初始化、粒子优劣的评估以及粒子“飞行”速度和位置的迭代更新等过程，搜索到具有“最优适应度值”的LIN‑SUP模型，即全局最优LIN‑SUP模型。结果表明，该方法具有更快的收敛速度和更高的搜索精度，可广泛用于各种能谱的解析。