ウランを含む廃棄物ドラム缶のγ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

Haruhi Hata; 秦はるひ; Yuu Ishimori; 石森 有

doi:10.3769/radioisotopes.66.149

ウランを含む廃棄物ドラム缶のγ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^1,2，石森有¹Haruhi Hata^1,2, Yuu Ishimori¹

¹ 国立研究開発法人日本原子力研究開発機構バックエンド研究開発部門人形峠環境技術センターNingyo-toge Environmental Engineering Center, Sector of Decommissioning and Radioactive Waste Management, Japan Atomic Energy Agency ◇ 708–0698　岡山県苫田郡鏡野町上齋原1550 ◇ 1550 Kamisaibara, Kagamino-cho, Tomata-gun, Okayama Pref. 708–0698, Japan

² 岡山大学大学院自然科学研究科Graduate School of Natural Science and Technology, Okayama University ◇ 700–8530　岡山県北区津島中3–1–1 ◇ 3–1–1 Tsushima-naka kita-ku, Okayama Pref. 700–8530, Japan

受付日：2016年10月6日Received: October 6, 2016

受理日：2017年1月6日Accepted: January 6, 2017

発行日：2017年4月15日Published: April 15, 2017

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γ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及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γ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 γ-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.

Key words: uranium-bearing waste; machine learning; Random Forests; Support Vector Machine; γ-ray measurement

RADIOISOTOPES

技術報告Technical Report