検索対象:     
報告書番号:
※ 半角英数字
 年 ~ 
 年

ウランを含む廃棄物ドラム缶の$$gamma$$線スペクトルデータに対するランダムフォレスト法とサポートベクターマシン法の分類性能の比較

Comparison of classification performances between Random forests and Support vector machine for $$gamma$$-ray spectral data of uranium-bearing waste drums

秦 はるひ ; 石森 有

Hata, Haruhi; Ishimori, Yuu

放射能インベントリの推定には、放射性核種の組成に応じたドラム缶の分類が必要となるため、ウランを含む廃棄物ドラム缶の$$gamma$$線スペクトルデータに対するランダムフォレスト法とサポートベクターマシン法の分類性能を比較した。使用したドラム缶に含まれるウランは、ウラン鉱石由来の天然ウランと回収燃料に由来する回収ウランおよびイエローケーキ中の不純物由来のラジウムを多く含む天然ウランである。これらのドラム缶の$$gamma$$線スペクトルデータ1037点のうち、75点を訓練データとし、残りのデータ962点を用いて比較した。今回の検討では、ランダムフォレスト法がチャネルシフトに影響を受けない分類となった。

For the estimation of radioactive inventory, the radioactive waste drums should be classified based on their radioactive composition. We compared the classification performances between random forests and support vector machine, both of which are machine learning methods. The tested uranium in waste drums included natural uranium from uranium ore, reprocessed uranium from nuclear fuel, and natural uranium with rich radium from the impurities in yellow cake. A total of 75 data in 1037 $$gamma$$-ray spectral data of these drums were trained, and 962 data were applied in the classification models. It was found that the random forests were advantageous in the shift of the channels.

Access

:

- Accesses

InCites™

:

Altmetrics

:

[CLARIVATE ANALYTICS], [WEB OF SCIENCE], [HIGHLY CITED PAPER & CUP LOGO] and [HOT PAPER & FIRE LOGO] are trademarks of Clarivate Analytics, and/or its affiliated company or companies, and used herein by permission and/or license.