線形回帰機械学習による3成分系試料のレーザー誘起ブレークダウン発光スペクトルの解析

Analysis of laser-induced breakdown spectroscopy of three-component samples using linear regression machine learning

赤岡 克昭 ; 狩野 貴宏 ; 若井田 育夫  ; 大場 弘則  

Akaoka, Katsuaki; Karino, Takahiro; Wakaida, Ikuo; Oba, Hironori

福島第一原子力発電所事故により発生した燃料デブリ等のその場分析におけるレーザー誘起ブレークダウン分光分析法(LIBS)の分析手法として、機械学習による定量分析法の評価を行っている。これまでの発表では、LIBSによって得られたU/Pu混合試料のスペクトルを用いて、予測直線に対して、その内挿/外挿、ノイズの影響、スペクトルの波長のずれの影響、スペクトル幅の影響について評価してきた。これらを踏まえ、本報告ではU/Zr/Feの3元素混合試料のスペクトルを用いて、線形回帰機械学習による定量分析を試みた結果について報告する。

We have been evaluating a quantitative analysis method by machine learning as an analytical method for laser-induced breakdown spectroscopy (LIBS) in the in-situ analysis of fuel debris and other materials generated by the Fukushima Daiichi Nuclear Power Plant accident. In previous presentations, we have evaluated the effects of interpolation/extrapolation, noise, spectral wavelength shift, and spectral width on the predicted straight line using spectra of U/Pu mixture samples obtained by LIBS. Based on these results, this presentation describes the results of quantitative analysis by linear regression machine learning using spectra of U/Zr/Fe mixtures.