特許 6833605 表面汚染密度分布算出装置、方法及びプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6833605

(24)【登録日】2021年2月5日

(45)【発行日】2021年2月24日

(54)【発明の名称】表面汚染密度分布算出装置、方法及びプログラム

(51)【国際特許分類】

   G01T 1/169 20060101AFI20210215BHJP

   G01T 1/17 20060101ALI20210215BHJP

【ＦＩ】

   G01T1/169 A

   G01T1/17 E

【請求項の数】10

【全頁数】12

(21)【出願番号】特願2017-92510(P2017-92510)

(22)【出願日】2017年5月8日

(65)【公開番号】特開2018-189516(P2018-189516A)

(43)【公開日】2018年11月29日

【審査請求日】2020年1月20日

(73)【特許権者】

【識別番号】000003078

【氏名又は名称】株式会社東芝

(73)【特許権者】

【識別番号】317015294

【氏名又は名称】東芝エネルギーシステムズ株式会社

(74)【代理人】

【識別番号】110001380

【氏名又は名称】特許業務法人東京国際特許事務所

(72)【発明者】

【氏名】久米 直人

(72)【発明者】

【氏名】林 弘忠

(72)【発明者】

【氏名】藤畑 健二

(72)【発明者】

【氏名】廣岡 竜二

(72)【発明者】

【氏名】堀田 浩司

【審査官】 藤本 加代子

(56)【参考文献】

【文献】 特開２０１６−０７５６３２（ＪＰ，Ａ）

【文献】 特開２０１３−１１３５９４（ＪＰ，Ａ）

【文献】 特開２００６−０８４４７８（ＪＰ，Ａ）

【文献】 特開昭６２−２００２７９（ＪＰ，Ａ）

【文献】 米国特許第０６６２４４１５（ＵＳ，Ｂ１）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０１Ｔ １／００−１／１６

Ｇ０１Ｔ １／１６７−７／１２

(57)【特許請求の範囲】

【請求項1】

対象エリア内の複数位置における空間線量率を計測し作成した第１空間線量率分布データが保持される第１メモリ領域と、
前記対象エリアに配置される第１構造物を前記第１空間線量率分布データと共通の座標系で設定した第１構造物データが保持される第２メモリ領域と、
モデルエリアの第２空間線量率分布データ、前記モデルエリアの第２構造物データ及び前記モデルエリアの第２表面汚染密度分布データの関係を示す演算式が保持される第３メモリ領域と、
前記演算式に、前記第１空間線量率分布データ及び前記第１構造物データを入力し、前記対象エリアの第１表面汚染密度分布データを出力させる第１演算部と、を備えることを特徴とする表面汚染密度分布算出装置。

【請求項2】

請求項１に記載の表面汚染密度分布算出装置において、
前記第３メモリ領域には、前記第１空間線量率分布データ及び第１構造物データの少なくとも一方に基づいて選択される複数の前記演算式が保持されており、
前記第１演算部は、前記対象エリアを分割したメッシュ毎に前記演算式を複数の中から選択し実行することを特徴とする表面汚染密度分布算出装置。

【請求項3】

請求項１又は請求項２に記載の表面汚染密度分布算出装置において、
前記演算式に、前記第１構造物データ及び前記第１表面汚染密度分布データを入力し、仮想的空間線量率分布データを出力させる第２演算部と、
前記仮想的空間線量率分布データと前記第１空間線量率分布データとの差分値を計算する差分計算部と、
前記差分値に基づいて前記演算式を修正する修正部と、を備えることを特徴とする表面汚染密度分布算出装置。

【請求項4】

請求項１から請求項３のいずれか１項に記載の表面汚染密度分布算出装置において、
前記演算式は、前記第１構造物の前記対象エリアにおける距離情報をパラメータとして規定されていることを特徴とする表面汚染密度分布算出装置。

【請求項5】

請求項１から請求項４のいずれか１項に記載の表面汚染密度分布算出装置において、
前記演算式は、前記第１空間線量率分布データにおける平均線量値をパラメータとして規定されていることを特徴とする表面汚染密度分布算出装置。

【請求項6】

請求項１から請求項５のいずれか１項に記載の表面汚染密度分布算出装置において、
前記演算式は、前記第１空間線量率分布データにおける距離情報をパラメータとして規定されていることを特徴とする表面汚染密度分布算出装置。

【請求項7】

請求項１から請求項６のいずれか１項に記載の表面汚染密度分布算出装置において、
前記演算式は、前記第１空間線量率分布データにおける平均線量値と最大線量値との比をパラメータとして規定されていることを特徴とする表面汚染密度分布算出装置。

【請求項8】

請求項１から請求項７のいずれか１項に記載の表面汚染密度分布算出装置において、
前記演算式は、前記対象エリアに存在する放射性核種の種類をパラメータとして規定されていることを特徴とする表面汚染密度分布算出装置。

【請求項9】

対象エリア内の複数位置における空間線量率を計測し作成した第１空間線量率分布データが保持されるステップと、
前記対象エリアに配置される第１構造物を前記第１空間線量率分布データと共通の座標系で設定した第１構造物データが保持されるステップと、
モデルエリアの第２空間線量率分布データ、前記モデルエリアの第２構造物データ及び前記モデルエリアの第２表面汚染密度分布データの関係を示す演算式が保持されるステップと、
前記演算式に、前記第１空間線量率分布データ及び前記第１構造物データを入力し、前記対象エリアの第１表面汚染密度分布データを出力させるステップと、を含むことを特徴とする表面汚染密度分布算出方法。

【請求項10】

コンピュータに、
対象エリア内の複数位置における空間線量率を計測し作成した第１空間線量率分布データを保持させるステップ、
前記対象エリアに配置される第１構造物を前記第１空間線量率分布データと共通の座標系で設定した第１構造物データを保持させるステップ、
モデルエリアの第２空間線量率分布データ、前記モデルエリアの第２構造物データ及び前記モデルエリアの第２表面汚染密度分布データの関係を示す演算式を保持させるステップ、
前記演算式に、前記第１空間線量率分布データ及び前記第１構造物データを入力し、前記対象エリアの第１表面汚染密度分布データを出力させるステップ、を実行させることを特徴とする表面汚染密度分布算出プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明の実施形態は、計測した空間線量率に基づいて放射能の表面汚染密度分布を算出する技術に関する。

【背景技術】

【0002】

放射性物質を取り扱う施設などで放射能汚染が生じた場合には、表面汚染密度の評価を実施して漏洩等した放射性物質を管理するとともに、必要に応じて除染・遮蔽・立入制限等の対策をし、そこで作業する作業員の被ばく低減を図る。
しかし、汚染範囲が広い場合は、除染や遮蔽の作業を行うこと自体が、作業員の被ばくを増加させる原因となる。そこで、適切に評価された表面汚染密度分布に基づき作業計画を立案することにより、除染や遮蔽の作業を効率化し、作業員の被ばく低減を図る。

【0003】

表面汚染密度分布は、ＧＭ管検出器等といった放射線検査装置を、管理エリアの表面に走査させながら、放射線の測定をして算出するのが一般的である。
しかし、この管理エリアの全域に、検査装置を走査するのには時間がかかるため、比較的容易に測定することができる空間線量率に基づいて表面汚染密度分布を算出する技術が提案されている。

【0004】

例えば、高さの異なる位置で測定した空間線量率のデータ変化と、汚染源の形状を仮定することであらかじめ計算することが可能な関数と、を用いて表面汚染密度を推定する技術が知られている。この技術によれば、あらかじめ算出された数式に、測定した線量データを入力するのみであるため、非常に簡単に表面汚染密度を推定することができる。
また、上述と同様にして、高さ、水平方向が異なる複数の空間線量率の測定データを入力情報とし、それらの応答関数を作成し、最尤法で表面汚染濃度を算出する技術が知られている。

【先行技術文献】

【特許文献】

【0005】

【特許文献1】特開２０１５−００１５００号公報

【特許文献2】特開２０１６−０７５６３２号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

しかし、空間線量率の現実の測定データには、線源から直接入射する放射線だけでなく、壁や天井等の構造物を媒介して散乱もしくは透過した放射線もカウントされている。このため、上述の技術では、複雑な構造をもつ建屋内部において、要求精度を満足する表面汚染密度分布が得られない課題があった。
一方、構造物等の情報を踏まえて応答関数を作成することにより、表面汚染密度分布の精度を向上させることは可能である。しかし、従来技術において、空間線量率と汚染濃度との関係性を表す応答関数は、その作成時間と評価精度との間に、二律背反の関係が存在した。このため、環境条件が多岐にわたる対象の各々に対し十分な精度を有する応答関数を個別に決定することは、表面汚染密度分布の測定効率の観点から現実的でない課題がある。

【0007】

本発明の実施形態はこのような事情を考慮してなされたもので、複雑な構造物が存在する管理エリアであっても、計測した空間線量率に基づいて放射能の表面汚染密度分布を高精度で簡便に算出することができる技術を提供することを目的とする。

【課題を解決するための手段】

【0008】

表面汚染密度分布算出装置において、対象エリア内の複数位置における空間線量率を計測し作成した第１空間線量率分布データが保持される第１メモリ領域と、前記対象エリアに配置される第１構造物を前記第１空間線量率分布データと共通の座標系で設定した第１構造物データが保持される第２メモリ領域と、モデルエリアの第２空間線量率分布データ、前記モデルエリアの第２構造物データ及び前記モデルエリアの第２表面汚染密度分布データの関係を示す演算式が保持される第３メモリ領域と、前記演算式に前記第１空間線量率分布データ及び前記第１構造物データを入力し前記対象エリアの第１表面汚染密度分布データを出力させる第１演算部と、を備えることを特徴とする。

【発明の効果】

【0009】

本発明の実施形態により、計測した空間線量率に基づいて放射能の表面汚染密度分布を高精度で簡便に算出することができる技術が提供される。

【図面の簡単な説明】

【0010】

【図1】本発明の第１実施形態に係る表面汚染密度分布算出装置を示すブロック図。

【図2】計測した第１空間線量率分布データに基づいて、放射性物質の表面汚染密度分布が演算される対象エリアの斜視図。

【図3】第２空間線量率分布、第２構造物及び表面汚染密度分布の関係が既知であるモデルエリアの上面図。

【図4】周囲の汚染が少ないデータ群と強い汚染があるデータ群とにおいて、線量率分布の最大値に対する線量率分布の平均値を示すグラフ。

【図5】周囲の汚染が少ないデータ群と強い汚染があるデータ群とにおいて、測定位置に対する空間線量の分布を示すグラフ。

【図6】第３実施形態に係る表面汚染密度分布算出装置を示すブロック図。

【図7】表面汚染密度分布算出方法及びプログラムを説明するフローチャート。

【発明を実施するための形態】

【0011】

（第１実施形態）
以下、本発明の実施形態を添付図面に基づいて説明する。
図１に示すように、第１実施形態に係る表面汚染密度分布算出装置１０は、対象エリア３１内（図２）の複数位置における空間線量率を計測し作成した第１空間線量率分布データＤ１が保持される第１メモリ領域１１と、対象エリア３１に配置される第１構造物３２を第１空間線量率分布データＤ１と共通の座標系で設定した第１構造物データＤ２が保持される第２メモリ領域１２と、モデルエリア３５（図３）の第２空間線量率分布データＳ１、モデルエリア３５の第２構造物データＳ２及びモデルエリア３５の第２表面汚染密度分布データＳ３の関係を示す演算式Ｔが保持される第３メモリ領域１３と、この演算式Ｔに第１空間線量率分布データＤ１及び第１構造物データＤ２を入力し対象エリア３１の第１表面汚染密度分布データＤ３を出力させる第１演算部２１と、を備えている。

【0012】

図２に示すように、表面汚染密度を評価する対象エリア３１内には、複数の線量計３６（図示は一つのみ）が、二次元的又は三次元的に配置されている。これら線量計３６により計測された複数の空間線量率の値は、対応する線量計の座標値に紐付けされて、第１空間線量率分布データＤ１を形成する。なお、本実施形態においては複数の線量計３６を二次元的又は三次元的に配置する例を示しているが、対象エリア内の二次元的又は三次元的な複数位置における空間線量率が計測できれば構わない。すなわち、本実施形態において、１つの線量計３６を二次元的又は三次元的な複数の位置に順次移動させて複数の空間線量率を計測するように構成しても構わない。

【0013】

なお対象エリア３１内に配置される複数の線量計の間隔は、特に限定はないが、点数を多くしてこの間隔を密にして得た第１空間線量率分布データＤ１である程、最終的に導かれる第１表面汚染密度分布データＤ３の精度が向上する。
このようにして計測された第１空間線量率分布データＤ１は、第１メモリ領域１１に保持される。

【0014】

対象エリア３１の周辺及び／又はその内側には、第１構造物３２が配置されており、第１空間線量率分布データＤ１と共通の座標系で設定した第１構造物データＤ２が、第２メモリ領域１２に保持される。
この第１構造物データＤ２には、天井や壁等といったガンマ線と相互作用する構造物の形状情報および位置情報を含むものであり、さらに構造物の密度、材質等といったガンマ線との相互作用（透過、散乱など）に影響を及ぼす情報も含まれる。

【0015】

空間に点線源として存在する放射性物質から放出されるガンマ線は、等方的に放出されるため、この点線源からの距離の２乗に反比例して空間線量率（Ｓｖ／ｈ）は減衰していく。また、図２に示すように、現実に放射能汚染された対象エリア３１では、放射性物質３３が、面状に一定の範囲に広がって存在する場合があり、点線源として存在するとは限らない。

【0016】

そして、対象エリア３１で計測される空間線量率は、放射性物質３３から放出されるガンマ線が直接カウントされる場合の他に、壁などの第１構造物３２で散乱したガンマ線も重畳してカウントされたものである。さらに、対象エリア３１に存在する線源は、複数に分散している場合もある。
このために、計測した空間線量率から、換算により対象エリア３１に存在する放射性物質３３の汚染濃度である表面汚染密度（Ｂｑ／ｍ²）を求める場合は、上述した条件を考慮する必要がある。

【0017】

図３に示されるモデルエリア３５は、対象エリア３１とは異なり、その第２空間線量率分布データＳ１、その第２構造物データＳ２及びその第２表面汚染密度分布データＳ３の関係が、既知の体系である。
これら三つのデータＳ１，Ｓ２，Ｓ３は、実測データに基づく場合の他に、シミュレーション解析に基づいて得ることができる。一般に普及しているシミュレーション解析の一例であるモンテカルロ解析は、透過や遮蔽といった物質間の相互作用を考慮することにより、第２構造物データＳ２を仮想的に配置したモデルエリア３５において、仮想的に設定した第２表面汚染密度分布データＳ３から放出されるガンマ線による第２空間線量率分布データＳ１を、高精度で計算することが可能である。

【0018】

より具体的には、モデルエリア３５の床面およびこの床面から所定高さまでの水平面を任意個数のメッシュに分割し、床面の注目位置３７における表面汚染密度が各々のメッシュに寄与する空間線量率を解析により求めることができる。そして、空間線量率分布は、モデルエリア３５全体に存在する汚染から放出されるガンマ線による空間線量率を、それぞれのメッシュ毎に重ね合わせて表わされる。

【0019】

さらに複数のモデルエリア３５（３５ａ,３５ｂ，３５ｃ…）の体系において重回帰分析を適用し、第２空間線量率分布データＳ１と第２構造物データＳ２のサイズ情報、距離情報及び材質情報等を入力パラメータとして、注目位置３７における表面汚染密度が出力となるように、機械学習処理を行ない、演算式Ｔを作成する。

【0020】

種々の構造物が配置されたエリアにおける表面汚染密度と空間線量率分布とは、相関があり、両者の関係を機械学習で回帰式などの数式化することが可能である。
このような、機械学習としては、重回帰式分析で相関式を算出しても、ディープラーニングを用いてもよく、連続値で出力するだけでなく、汚染濃度をレベルに応じて分類するものでもよい。
このようにして、モデルエリア３５の第２空間線量率分布データＳ１、第２構造物データＳ２及び第２表面汚染密度分布データＳ３の関係を示す演算式Ｔが、複数のモデルエリア３５（３５ａ,３５ｂ，３５ｃ…）から機械学習により作成される。そしてこの演算式Ｔは、第３メモリ領域１３に保持される。

【0021】

なお第２空間線量率分布データＳ１は、注目位置３７を基準とした相対位置に応じて並び替えることや、絶対位置による並び替えを行い、設定することができる。
また、第２表面汚染密度分布データＳ３を構成する放射性物質の核種として、例えばＣｓ１３７、Ｃｓ１３４、Ｃｏ６０のようにエネルギーや放出率が異なる核種を設定することもできる。

【0022】

さらに、第２構造物データＳ２として構造物の材質や、注目位置３７の位置にたいし、想定条件の範囲においてパラメータを複数設定して学習させ、演算式Ｔを算出することができる。
これにより、ガンマ線が飛程距離とともに広がり強度が減衰していく作用に加え、汚染源の大きさや、構造物による散乱や透過の作用を反映させた演算式Ｔを導くことが可能となる。この演算式Ｔは、特定のエリアや構造物に限定されることなく一般化されたものとなる。

【0023】

演算式Ｔは、第１構造物３２の対象エリア３１における距離情報をパラメータとして規定したり、第１空間線量率分布データＤ１における平均線量値をパラメータとして規定したり、第１空間線量率分布データＤ１における距離情報をパラメータとして規定したり、第１空間線量率分布データＤ１における平均線量値と最大線量値との比をパラメータとして規定したり、対象エリア３１に存在する放射性核種の種類をパラメータとして規定したりすることができる。

【0024】

第１演算部２１は、第１メモリ領域１１から第１空間線量率分布データＤ１を取得し、第２メモリ領域１２から第１構造物データＤ２を取得する。そして第１演算部２１は、これらデータを演算式Ｔに入力し、対象エリア３１の第１表面汚染密度分布データＤ３を出力させる。この出力された第１表面汚染密度分布データＤ３は、表示部２８において、対象エリア３１のマップ上に重ね書きして表示される。

【0025】

第１実施形態によれば、予め複数のモデルエリア３５を対象として機械学習により、空間線量率分布データ、構造物データ及び表面汚染密度分布データの関係を表す演算式Ｔを作成しておく。そして、対象エリア３１において計測した空間線量率分布データの値をこの演算式Ｔに入力するだけで、この対象エリア３１における表面汚染密度分布データを導くことが可能となる。
このために、従来のような、対象エリア３１に配置されている構造物を考慮して、空間線量率分布データと表面汚染密度分布データとの応答関数を正確に求めるといった必要性がない。これにより、例えば複雑な構造物が存在する管理エリア等であっても、対象エリア３１に配置されている構造物におけるガンマ線の散乱や透過といった複雑な相互作用を考慮した表面汚染密度分布データを、時間を要することなく瞬時に導くことができる。

【0026】

（第２実施形態）
次に図１を参照して本発明における第２実施形態について説明する。
第２実施形態に係る表面汚染密度分布算出装置の第３メモリ領域１３には、第１空間線量率分布データＤ１及び第１構造物データＤ２の少なくとも一方に基づいて選択される複数の演算式Ｔ（Ｔ１，Ｔ２，Ｔ３…）が保持されており、第１演算部２１は対象エリア３１を分割したメッシュ毎に演算式Ｔを複数の中から選択し実行する。

【0027】

機械学習により汚染濃度である表面汚染密度を算出するための演算式Ｔを１つのみ算出する場合、パラメータが多岐にわたるため、汚染の強さや計測条件等といった諸条件のバラツキ加減によっては、算出される表面汚染密度の精度が悪化することがある。
そこで、演算式Ｔを作成するためのデータ（第２空間線量率分布データＳ１、第２構造物データＳ２、第２表面汚染密度分布データＳ３）を条件に応じて複数のグループに分類する。そしてこの分類されたグループ毎に演算式Ｔを算出する。

【0028】

このグループの分類方法として、例えば、壁などの構造物が、空間線量率に影響を及ぼすガンマ線散乱の度合いによる分類を考える場合がある。このガンマ線散乱は、壁の近く数メートルの範囲では空間線量率に影響を及ぼすが、この範囲から離れると影響は激減する。

【0029】

このような影響が確実に補正された演算式Ｔを得るには、モデルエリア３５を、構造物におけるガンマ線散乱の影響が大きいグループと小さいグループとに分類したうえで、機械学習し演算式Ｔ（Ｔ１，Ｔ２，Ｔ３…）を算出することが有効である。この場合、回帰式のパラメータとして、構造物（壁等）からの距離を組み込む場合、分類したグループに対応して距離の逆数としたり距離の累乗等としたりしたものを適用する。

【0030】

第１空間線量率分布データＤ１及び第１構造物データＤ２を演算式Ｔに入力して出力される第１表面汚染密度分布データＤ３には、誤差が内包されている。この誤差要因として、表面汚染密度のレベルがゼロか少ない注目位置３７が、周囲の汚染箇所から放出されるガンマ線の影響を受けて、表面汚染密度のレベルを過剰評価してしまう事が挙げられる。

【0031】

このような誤差要因を少なくするために、第１空間線量率分布データＤ１を事前に、メッシュ単位で評価し、分布の仕方によってグループに分類し、それぞれのグループに対応した演算式Ｔ（Ｔ１，Ｔ２，Ｔ３…）を選択し第１演算部２１において演算を実行する。
このようなグループの分類方法として例えば、第１空間線量率分布データＤ１の線量データの平均値と最大値の相関を評価する方法等が挙げられる。

【0032】

図４のグラフは、周囲の汚染が少ないデータ群と強い汚染があるデータ群とにおいて、線量率分布の最大値に対する線量率分布の平均値を示している。
このように注目位置３７（図３）の周囲に汚染が少ない場合、最大値と平均値の比が大きくならず、おおむね線形の相関が得られる。一方で、注目位置３７の近傍に汚染がある場合、汚染箇所に近い空間線量率は大きく変化するため、最大値と平均値の比が大きくなる。
このような関係を利用して、空間線量率分布の最大値／平均値の値に対し設けた閾値に応じて、モデルエリア３５おメッシュをいくつかのグループに分類し、それぞれのグループ毎に演算式Ｔ（Ｔ１，Ｔ２，Ｔ３…）を作成する。これにより汚染の評価精度を向上させることができる。

【0033】

図５のグラフは、周囲の汚染が少ないデータ群と強い汚染があるデータ群とにおいて、測定位置に対する空間線量の分布を示している。
汚染のある位置の近傍においては、空間線量率の変化率が大きく計測される。そのため、空間線量率の変化率として、位置による空間線量率の１次微分、２次微分の値をグループ分類の閾値に用いることで、表面汚染密度の評価精度を向上させることができる。
このようなモデルエリア３５のメッシュのグループへの分類は、構造物との距離による分類、図４に示すような空間線量率分布による分類と組み合わせることができ、そのようにして分類したグループ毎に演算式Ｔを算出することも可能である。さらに、核種データに基づく分類を組み合わせることも可能である。

【0034】

第２実施形態によれば、壁などの構造物によるガンマ線散乱の影響や、周囲の汚染による評価位置の表面汚染密度の過大評価を軽減することができる。つまり、誤差が生じやすい条件に対応して複数の演算式Ｔを作成することにより、評価精度を向上させることができる。

【0035】

（第３実施形態）
次に図６を参照して本発明における第３実施形態について説明する。なお、図６において図１と共通の構成又は機能を有する部分は同一符号で示し、重複する説明を省略する。
第３実施形態に係る表面汚染密度分布算出装置１０は、さらに、演算式Ｔに第１構造物データＤ２及び第１表面汚染密度分布データＤ３を入力し仮想的空間線量率分布データＤ４を出力させる第２演算部２２と、この仮想的空間線量率分布データＤ４と第１空間線量率分布データＤ１との差分値Ｄ５を計算する差分計算部２５と、この差分値Ｄ５に基づいて演算式Ｔを修正する修正部２６と、を備えている。

【0036】

演算式Ｔは、複数のモデルエリア３５（３５ａ，３５ｂ，３５ｃ）のデータにより作成されたものであるために、汚染評価を行う対象エリア３１の空間線量率分布と表面汚染密度分布との関係に適合するか否かについては、保証の限りでない。
そこで、第２演算部２２において、第１構造物データＤ２と第１演算部２１の出力である第１表面汚染密度分布データＤ３とを入力とし、仮想的空間線量率分布データＤ４を出力する逆演算を行う。

【0037】

演算式Ｔが、対象エリア３１の空間線量率分布と表面汚染密度分布との関係に適合するものであれば、この仮想的空間線量率分布データＤ４と第１空間線量率分布データＤ１とは一致するはずである。一方で、仮想的空間線量率分布データＤ４と第１空間線量率分布データＤ１とのずれが大きい場合、演算式Ｔは対象エリア３１の汚染評価に不適合であると判断される。

【0038】

なお、この不適合／適合の判定は、差分計算部２５において仮想的空間線量率分布データＤ４と第１空間線量率分布データＤ１との差分値Ｄ５が閾値を超えるか／超えないかによって判定される。この閾値は、目標とする精度によって適宜決定される。
不適合と判定された場合は、修正部２６において、差分値Ｄ５に基づき演算式Ｔを修正した修正演算式Ｔ´が新たに適用される。
なお、この修正演算式Ｔ´は、別の演算式Ｔが再選定される場合や、機械学習部１５で
再度学習を行い新たな演算式Ｔを作成していく場合もある。

【0039】

第３実施形態によれば、対象エリア３１に適合する演算式Ｔに基づいて、空間線量率分布から表面汚染密度分布が導き出されるので、表面汚染密度の算出精度の向上を図ることができる。

【0040】

図７のフローチャートに基づいて、表面汚染密度分布算出方法及び表面汚染密度分布算出プログラムの実施形態を説明する（適宜、図１，２，３参照）。
対象エリア３１内の複数位置における空間線量率を計測する（Ｓ１１）。そして、対象エリア３１の第１空間線量率分布データＤ１を作成し第１メモリ領域１１に保持する（Ｓ１２）。次に対象エリア３１に配置される第１構造物３２を第１空間線量率分布データＤ１と共通の座標系で設定した第１構造物データＤ２を第２メモリ領域１２に保持する（Ｓ１３）。

【0041】

複数個（ｎ個）のモデルエリア３５のそれぞれに第２構造物データＳ２及び第２表面汚染密度分布データＳ３を設定し、それぞれのモデルエリア３５における第２空間線量率分布データＳ１を解析的に求める（Ｓ１４，Ｓ１５，Ｓ１６）。
機械学習により、複数個（ｎ個）のモデルエリア３５の第２空間線量率分布データＳ１、第２構造物データＳ２及び第２表面汚染密度分布データＳ３の関係を示す演算式Ｔを作成し、第３メモリ領域１３に保持する（Ｓ１７）。

【0042】

次に、この演算式Ｔに、第１空間線量率分布データＤ１及び第１構造物データＤ２を入力し、対象エリア３１の第１表面汚染密度分布データＤ３を演算する（Ｓ１８）（以上、第１実施形態）。

【0043】

さらに演算式Ｔに、第１構造物データＤ２及び第１表面汚染密度分布データＤ３を入力し、仮想的空間線量率分布データＤ４を演算する（Ｓ１９）。
次に、仮想的空間線量率分布データＤ４と第１空間線量率分布データＤ１との差分値Ｄ５を計算し（Ｓ２０）、この差分値Ｄ５に基づいて演算式Ｔの適合性を判断する（Ｓ２１）。ここで不適合の判断がなされれば、演算式Ｔを修正して、再度（Ｓ１８）の演算を試行する。そして、適合の判断がなされれば、（Ｓ１８）で直近に演算された第１表面汚染密度分布データＤ３がそのまま採用されて、フローは終了する（ＥＮＤ）。

【0044】

以上述べた少なくともひとつの実施形態の表面汚染密度分布算出装置によれば、表面汚染密度を評価する対象エリアとは別個のモデルエリアを想定し、このモデルエリアにおける空間線量率分布、構造物及び表面汚染密度分布の関係を表す演算式を機械学習で作成する。そして、演算式を用いて、対象エリアで計測した空間線量率分布及び対象エリアに配置された構造物を入力情報として、その表面汚染密度分布を、高精度で簡便に出力することを可能とする。

【0045】

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。
例えば上述の説明において、構造物としての壁に周囲を囲まれたエリアが放射能汚染されている場合を想定し、その表面汚染密度分布を導く実施形態を示したが、本発明の適用はこのような場合に限定されるものではなく、あらゆる構造物の配置形態に適用することが可能である。

【0046】

また、これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更、組み合わせを行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。
また、表面汚染密度分布算出装置の構成要素は、コンピュータのプロセッサで実現することも可能であり、表面汚染密度分布算出プログラムにより動作させることが可能である。

【0047】

以上説明した表面汚染密度分布算出装置は、専用のチップ、ＦＰＧＡ（Field Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）、又はＣＰＵ（Central Processing Unit）などのプロセッサを高集積化させた制御装置と、ＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）などの記憶装置と、ＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）などの外部記憶装置と、ディスプレイなどの表示装置と、マウスやキーボードなどの入力装置と、通信Ｉ／Ｆとを、備えており、通常のコンピュータを利用したハードウェア構成で実現できる。

【0048】

また表面汚染密度分布算出装置で実行されるプログラムは、ＲＯＭ等に予め組み込んで提供される。もしくは、このプログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ−ＲＯＭ、ＣＤ−Ｒ、メモリカード、ＤＶＤ、フレキシブルディスク（ＦＤ）等のコンピュータで読み取り可能な記憶媒体に記憶されて提供するようにしてもよい。

【0049】

また、本実施形態に係る表面汚染密度分布算出装置で実行されるプログラムは、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせて提供するようにしてもよい。
また、表面汚染密度分布算出装置は、構成要素の各機能を独立して発揮する別々のモジュールを、ネットワーク又は専用線で相互に接続し、組み合わせて構成することもできる。

【符号の説明】

【0050】

Ｄ１…第１空間線量率分布データ、Ｄ２…第１構造物データ、Ｄ３…第１表面汚染密度分布データ、Ｄ４…仮想的空間線量率分布データ、Ｄ５…差分値、Ｓ１…第２空間線量率分布データ、Ｓ２…第２構造物データ、Ｓ３…第２表面汚染密度分布データ、Ｔ（Ｔ１，Ｔ２，Ｔ３）…演算式、１０…表面汚染密度分布算出装置、１１…第１メモリ領域、１２…第２メモリ領域、１３…第３メモリ領域、１５…機械学習部、２１…第１演算部、２２…第２演算部、２５…差分計算部、２６…修正部、２８…表示部、３１…対象エリア、３２…構造物、３３…放射性物質、３５（３５ａ，３５ｂ，３５ｃ）…モデルエリア、３６…線量計、３７…注目位置。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】