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.
