Pääkomponenttianalyysi poikkeamien havaitsemiseen gammaspektrometrisissä aikasarjoissa
Hetemaa, Ellinoora (2024)
2024
Teknis-luonnontieteellinen DI-ohjelma - Master's Programme in Science and Engineering
Tekniikan ja luonnontieteiden tiedekunta - Faculty of Engineering and Natural Sciences
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2024-02-06
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tuni-202401241774
https://urn.fi/URN:NBN:fi:tuni-202401241774
Tiivistelmä
Ympäristön säteilyturvallisuuden valvonnassa on keskeistä tunnistaa luonnollisen radioaktiivisen säteilyn seasta ihmislähtöistä, keinotekoista säteilyä. Säteilyn havainnointi perustuu usein mitattujen spektrien visualisointiin, jolloin osa keinotekoista säteilyä sisältävistä spektreistä peittyy helposti taustasäteilyn sekaan. Lisäksi visuaalinen havainnointi on hyvin riippuvaista datan tulkitsijasta sekä analysointiin käytettävissä olevan ajan määrästä.
Luonnon taustasäteilyn tila vaihtelee jatkuvasti erilaisten sääilmiöiden, kuten sateen tai lumipeitteen vuoksi, jolloin säteilynhavannointiin käytettäviin järjestelmiin aiheutuu kohinan lisäksi vääriä hälytyksiä. Lisäksi liikkuvia mittauksia tehtäessä mittausaineistossa on yleensä matalaresoluutioisten ilmaisimien käytön vuoksi paljon kohinaa. Tällöin mielenkiintoiset säteilytapaukset peittyvät helposti kohinan alle.
Tässä työssä tarkastellaan pääkomponenttianalyysin (PCA) käyttöä poikkeamien havaitsemiseen gammaspektrometrisistä aikasarjoista. Työn aikana kehitellään menetelmä, jolla pääkomponenttianalyysiä voidaan hyödyntää poikkeamien tunnistuksessa sekä testataan menetelmää muutamille erillisille testiaineistoille.
PCA on hyvin yleisesti käytetty monimuuttujamenetelmä, jolla pyritään ensisijaisesti vähentämään datan dimensioiden määrää. Pääkomponenttianalyysia voidaan kuitenkin hyödyntää myös kohinan poistamiseen tai poikkeavien havaintojen tunnistamiseen. PCA:n käyttöä luonnonsäteilystä poikkeavien säteilytapauksien havaitsemiseen on tutkittu jonkin verrana aikaisemmin, mutta useimmat nykyään käytössä olevat algoritmit perustuvat edelleen joko yksittäisen havainnon analysointiin tai spektridatan visuaaliseen tarkasteluun.
Työn kirjallisuuskatsauksessa perehdytään usean muuttujien aineistojen peruskäsitteisiin sekä syvennytään pääkomponenttianalyysin teoriaan ja sovellusalueisiin. Lisäksi esitellään perusasioita ympäristön säteilynvalvonnasta ja gammaspektrometrisistä säteilymittauksista.
Työn soveltavassa osiossa esitellään työn aikana kehitetty PCA-pohjainen algoritmi, jolla voidaan tunnistaa taustasäteilyn joukosta poikkeavia säteilyhavaintoja ilman taustasäteilyn vaihtelusta johtuvia vääriä hälytyksiä. Algoritmille syötetään esitietona taustasäteilystä muodostuva harjoitusdata, jonka perusteella se määrittää, onko tuntematon spektri harjoitusdatan spektrien kaltainen vai poikkeava. Testien perusteella algoritmilla voidaan havaita poikkeavaa säteilyä tiettyyn aktiivisuuten asti, eikä taustasäteilyn seasta nouse esiin juurikaan vääriä hälytyksiä.
Luonnon taustasäteilyn tila vaihtelee jatkuvasti erilaisten sääilmiöiden, kuten sateen tai lumipeitteen vuoksi, jolloin säteilynhavannointiin käytettäviin järjestelmiin aiheutuu kohinan lisäksi vääriä hälytyksiä. Lisäksi liikkuvia mittauksia tehtäessä mittausaineistossa on yleensä matalaresoluutioisten ilmaisimien käytön vuoksi paljon kohinaa. Tällöin mielenkiintoiset säteilytapaukset peittyvät helposti kohinan alle.
Tässä työssä tarkastellaan pääkomponenttianalyysin (PCA) käyttöä poikkeamien havaitsemiseen gammaspektrometrisistä aikasarjoista. Työn aikana kehitellään menetelmä, jolla pääkomponenttianalyysiä voidaan hyödyntää poikkeamien tunnistuksessa sekä testataan menetelmää muutamille erillisille testiaineistoille.
PCA on hyvin yleisesti käytetty monimuuttujamenetelmä, jolla pyritään ensisijaisesti vähentämään datan dimensioiden määrää. Pääkomponenttianalyysia voidaan kuitenkin hyödyntää myös kohinan poistamiseen tai poikkeavien havaintojen tunnistamiseen. PCA:n käyttöä luonnonsäteilystä poikkeavien säteilytapauksien havaitsemiseen on tutkittu jonkin verrana aikaisemmin, mutta useimmat nykyään käytössä olevat algoritmit perustuvat edelleen joko yksittäisen havainnon analysointiin tai spektridatan visuaaliseen tarkasteluun.
Työn kirjallisuuskatsauksessa perehdytään usean muuttujien aineistojen peruskäsitteisiin sekä syvennytään pääkomponenttianalyysin teoriaan ja sovellusalueisiin. Lisäksi esitellään perusasioita ympäristön säteilynvalvonnasta ja gammaspektrometrisistä säteilymittauksista.
Työn soveltavassa osiossa esitellään työn aikana kehitetty PCA-pohjainen algoritmi, jolla voidaan tunnistaa taustasäteilyn joukosta poikkeavia säteilyhavaintoja ilman taustasäteilyn vaihtelusta johtuvia vääriä hälytyksiä. Algoritmille syötetään esitietona taustasäteilystä muodostuva harjoitusdata, jonka perusteella se määrittää, onko tuntematon spektri harjoitusdatan spektrien kaltainen vai poikkeava. Testien perusteella algoritmilla voidaan havaita poikkeavaa säteilyä tiettyyn aktiivisuuten asti, eikä taustasäteilyn seasta nouse esiin juurikaan vääriä hälytyksiä.