基于长短期记忆网络的涉核运输事故后果预测

涉核部件在运输过程中，会因不可抗力因素发生化学爆炸事故，造成放射性核素的泄漏。在此类源项信息不完整、地形复杂的放射性核素扩散情景下，实现核素浓度变化的快速预测对于核应急决策具有重要意义。本文以山丘下垫面下含钚炸药运输化学爆炸事故为研究场景，提出了一种基于堆叠式LSTM网络的核运输爆炸事故放射性核素浓度预测方法。本文通过计算流体学（CFD）软件OpenFOAM模拟生成放射性核素Pu-239的扩散数据，根据地理特征和人口密度，选择特定区域的核素浓度和气象时序数据作为堆叠式LSTM网络训练和预测的数据集。基于网格搜索寻找局部最优的模型结构，最终所提出的模型在150次迭代内可以稳定地达到平均绝对百分比误差（MAPE）低于5%的Pu-239核素浓度预测效果。该模型具有较好的预测效率，在突发核应急场景中具有较高的实用价值。