Gama ışını buildup faktörlerinin Monte Carlo simülasyonu ve yapay sinir ağları ile modellenmesi
Monte Carlo simulation and artificial neural network modelling of gamma ray buildup factors
- Tez No: 709097
- Danışmanlar: PROF. DR. ORHAN İÇELLİ
- Tez Türü: Yüksek Lisans
- Konular: Nükleer Mühendislik, Fizik ve Fizik Mühendisliği, Radyoloji ve Nükleer Tıp, Nuclear Engineering, Physics and Physics Engineering, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Doz-cevap ilişkisi-radyasyon, Gama radyasyonu, Nükleer radyasyon, Dose-response relationship-radiation, Gamma radiation, Nuclear radiation
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Fizik Ana Bilim Dalı
- Bilim Dalı: Fizik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez karışım ve bileşikler için buildup faktörlerinin yapay sinir ağları kullanarak belirlenmesini kapsamaktadır. YSA algoritmalarını eğitmek için gerekli olan kapsamlı veri kümesi MCNP 6.2 simülasyonu ile elde edilmiştir. Bu veri kümesi elde edilmesinde atom numaraları 4 ile 92 arasında değişen 37 element, 15 keV ile 10 MeV aralığında 16 farklı kaynak fotonları ve 1 ile 40 mfp arası malzeme kalınlıkları için simülasyon yapılmıştır. Simülasyonlarda gama ışını bölgesinde etkili olan, Rayleigh ve Compton saçılmaları, çift oluşumu ve fotoelektrik etki dikkate alınmıştır. MCNP 6.2'den elde edilen EBF ve EABF değerleri daha önceden bildirilmiş değerler ile karşılaştırılmış ve karşılaştırılan değerler ile uyumlu olduğu görülmüştür. Enerji, atom numarası ve mfp değerleri girdi değişkenleriyken, hesaplar sonucunda elde edilen EBF ve EABF ise hedef değişkenleri olacak şekilde YSA algoritmaları eğitilmiştir. Yapılan denemeler sonucunda üç gizli katmanlı algoritma en başarılı sonuçları sağlamış ve gizli katmandaki en uygun nöron sayıları 10, 25, 50 olarak belirlenmiştir. Belirlenen nihai modellerin hatalar karesi ortalaması 0.005'in altındayken, korelasyon katsayılarının 0.999'un üzerinde olduğu ve oldukça düşük hata ile çalıştığı görülmüştür. Elementler üzerinden eğitim tamamlandıktan sonra elde edilen nihai modelde bileşik ve karışımlara ait EBF ve EABF değerleri tahmin edilmiştir. Değerlendirilmede bileşik ve karışımlar olarak su ve vanadyum cürufu/epoksi/antimon kompoziti ile standart beton kullanılmıştır. Bileşiklerin tahmin edilen değerleri BXCOM verileri ile karşılaştırılmış ve yapay sinir ağları sonuçları ile düşük enerjilerde farklı sonuçlar bulunmuştur. Bu farkların sebebinin bu çalışmada kullanılan detaylı foton etkileşimleri olduğu düşünülmektedir. Kurulan model sayesinde karışım ve bileşikler için son derece hızlı ve güvenilir sonuçlar alındığından ötürü, yeni nesil radyasyon zırhlayıcılar içeren çalışmalarda kullanılması önerilebilir.
Özet (Çeviri)
This thesis covers the determination of buildup factors for mixtures and compounds using artificial neural networks. The comprehensive data set required to train ANN algorithms was obtained using MCNP 6.2 simulation. To get the data set, simulations were conducted for 37 elements with atomic numbers between 4 and 92, at 16 different source photon energies between 15 keV and 10 MeV, and material thicknesses between 1 and 40 mfp. In the simulations, Rayleigh and Compton scattering with bound electron corrections, pair production, and photoelectric effect are taken into account. Emission of fluorescence and Bremsstrahlung photons were included. The buildup factor values obtained from MCNP were compared with previously reported values and were found to match with the reported values. ANN algorithms are trained with energy, atomic number, and mfp values as the input variables, whereas EBF and EABF are the target variables. After tryouts, optimal parameters were determined, three hidden layers were found to fit the data best, and their respective neuron numbers were found to be 10, 25, 50. While the mean squared errors of the final models were below 0.005, it was observed that the correlation coefficients were above 0.999 and produced very low errors. EBF and EABF values of compounds and mixtures were estimated from the final model after completing the training on pure elements. The compounds and mixtures were selected as water, vanadium slag/epoxy/antimony, and standard concrete. The predicted values of the compounds were compared with ANSI data calculated with BXCOM. While there are discrepancies in the low energy region, especially at 40 mfp depth, the general buildup trend is seen to be consistent. Thanks to the established model, fast and reliable results can be obtained for mixtures and compounds, so it can be recommended to be used with new generation radiation shielding materials.
Benzer Tezler
- NaI (TI) dedektörleri için toplam verim ve tüm enerji pik duyarlığının Monte Carlo metodu ile elde edilmesi
Başlık çevirisi yok
N. REMZİYE ERGÜL
Yüksek Lisans
Türkçe
1987
Fizik ve Fizik MühendisliğiUludağ ÜniversitesiFizik Ana Bilim Dalı
PROF. DR. CİHAN ÖZMUTLU
- Gamma ışınlamasının buğday ve triticalenin bazı karakterleri üzerindeki etkisinin araştırılması
Başlık çevirisi yok
SANİYE AKGÜNLÜ
- Gamma ışınlarının biyolojik ortamlarda differansiyel coherent-incoherent saçılma tesir kesitlerinin incelenmesi
Başlık çevirisi yok
LALE TACER
Doktora
Türkçe
1983
Fizik ve Fizik MühendisliğiGazi ÜniversitesiFizik Mühendisliği Ana Bilim Dalı
DOÇ. DR. CİHAN ÖZMUTLU
- Tavuk karaciğer gama-glutamil transferazının saflaştırılması ve bazı kinetik özelliklerinin araştırılması
The Purification of the chicken liver a gamma-glutamyl transferase and the research of some kinetic properties
FİLİZ TARCAN