收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

ARGO实验中“膝”区原初宇宙线成分分辨方法研究

曲晓波  
【摘要】: 宇宙线(来自宇宙空间的质子和原子核)的能谱遵循负幂律:dN╱dE∝E~γ,但在能量约为4 PeV附近,宇宙线的全粒子能谱有明显的拐折,幂指数由γ≈-2.7变为γ≈-3.1,形成所谓的“膝”结构,对应的能区称为“膝”区。虽然实验上已经观测到这一结构,但是它的成因还不能确定。为解释宇宙线能谱的这一特殊结构,人们提出了多个理论模型。某些模型认为,“膝”结构起因于宇宙线的加速和传播过程,是宇宙线能谱的内禀特性;而另外一些模型认为,在超高能下新的强相互作用机制的出现导致了“膝”区的形成。大多数的理论模型可很好地解释实验所观测到的宇宙线全粒子能谱,但所预言的“膝”区宇宙线各个分成分的能谱却存在着很大的差异。因此在实验上精确测量“膝”区原初宇宙线的分成分能谱对于了解甚高能宇宙线的起源、加速和传播机制具有重要的意义。 由于宇宙线流强随能量急剧下降,超高能的宇宙线粒子已经不能通过高空气球实验或卫星实验来进行直接观测,只能利用位于地面的探测器阵列通过广延空气簇射(Extensive Air Shower,EAS)过程进行间接的测量。如何有效地区分由不同的原初宇宙线粒子所引起的空气簇射是利用地面实验进行“膝”区物理研究的关键。这一方面要求探测器阵列本身能够提供尽可能多的有关EAS的实验信息,另一方面需要在数据分析过程中采用有效的分辨由各种原初粒子所引起的空气簇射的方法。 中意合作ARGO-YBJ实验是位于我国西藏羊八井宇宙线观测站(大气深度606g/cm~2,海拔高度4300m)的广延大气簇射地面探测实验,该实验采用了由阻性板计数器(Resistive Plate Chamber,RPC)所组成的“地毯式”探测器阵列,具有高的覆盖率(90%以上)和很好的时间、空间分辨率的特性,可以对到达阵列的EAS粒子的时间和空间分布进行较为细致的测量,探测器信号的模拟读出使得阵列的观测能区可以涵盖“膝”区;另外ARGO-YBJ实验阵列处于由“膝”区原初宇宙线粒子所引起的空气簇射的纵向发展极大区域,簇射大小的涨落小且几乎与原初粒子的种类无关,利用该实验的观测信息可以较精确地测量原初粒子的能量。这些特点使得ARGO-YBJ实验在分辨“膝”区原初粒子种类和重建原初粒子能量上具有优势,如果再配以有效的数据分析方法,有望得到较精确的“膝”区原初粒子的分成分能谱,进而为解决“膝”区物理问题提供可靠的实验数据。本文的目的就是针对ARGO-YBJ实验阵列的特点,利用Monte Carlo模拟数据寻找可有效地区分由不同的原初粒子所引起的空气簇射的方法,并研究测量“膝”区原初粒子分成分能谱的可行性。 在本工作中,首先利用CORSIKA程序进行了EAS模拟。为了估计强相互作用模型对分辨结果的影响,在EAS数据模拟中选用了两种最具代表性且与实验结果符合较好的强相互作用模型:QGSJET-Ⅱ和SIBYLL。利用这两种强相互作用模型,细致地模拟了能量在100TeV-10PeV之间的不同原初宇宙线粒子(质子,He核,CNO核,Mg-Si核,铁核)所引起的EAS过程。利用以GEANT3为基础的探测器模拟程序模拟了EAS次级粒子在ARGO探测器中的传输过程和探测器的响应,获得了具有足够统计量的Monte Carlo模拟数据。 利用这些模拟数据分析了由不同的原初粒子所引起的簇射中次级粒子的时间、空间分布特征,得到了平均横向分布宽度R、80%半径R_(80)、芯位区域与R_(80)区域粒子密度之比Ratio_(80)、簇射前锋面斜率S_(front)等几个可以描述不同簇射的次级粒子时间-空间分布的差异的特征量。将这些特征量作为人工神经网络的输入量,进行了多参数分析。训练所得的神经网络可以对原初质子成分做出有效识别。为了研究不同强相互作用模型对网络分辨效率的影响,分别利用两种强相互作用模型数据训练、测试了神经网络,并进行了交叉检验(利用一种模型数据训练所得的神经网络对另一种模型的数据进行分辨)。结果表明:人工神经网络挑选效果对强相互作用模型的依赖性较弱,在保存约40%质子事例的情况下可以排除约94%的其他强子事例。利用所挑选出来的质子事例,对“膝”区质子的能谱进行了重建,所得结果与模拟中实际使用的能谱可以很好地符合。 另外,本工作还使用了多尺度分析方法研究了区分“膝”区原初铁核的可行性。对在探测平面上的簇射次级粒子的分布进行多重分形分析和小波变换分析,得到了两个表征簇射次级粒子靶图分形特性的特征量:多重分形矩指数和小波变换矩指数。分别取它们在q=4,6,8时的值作为人工神经网络的输入值,得到了可以有效分辨“膝”区原初铁核成分的人工神经网络。将数据按击中数分段分别进行了多参数分析,分辨结果表明,所得人工神经网络对次级带电粒子数>20000的事例分辨效果最好,对铁核事例的判选率为56.4%,对其他强子事例的排除率为98.3%,品质因子可达到4.36。 综上,通过对ARGO-YBJ实验条件的细致模拟和对簇射事例的仔细分析,本工作得到了可以用来区分原初粒子种类的特征量。结合人工神经网络进行了多参量分析,并检验了人工神经网络对强相互作用模型的依赖性。结果表明,所得的人工神经网络的分辨效果对强相互作用模型的依赖性较弱,可对“膝”区各原初成分引起广延大气簇射事例做出有效分辨,从而重建出“膝”区质子能谱。同时,本工作还研究了应用多尺度分析方法区分“膝”区原初铁核的可行性,得到了表征簇射次级粒子靶图分形特性的特征量,并结合人工神经网络方法进行了多参数分析。结果表明此网络可有效分辨“膝”区铁核成分。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 马丽娜,冯存峰,张学尧;多尺度分析在原初粒子分辨上的应用[J];山东大学学报(理学版);2005年01期
2 高雷;任慧玉;;基于小波分析的上证综指预测[J];统计与决策;2006年14期
3 杨孝英;;一类时滞系统的多尺度分析[J];硅谷;2009年19期
4 温鹏,瞿坦,陈锦江;人工神经网络的介质传播模型[J];自然杂志;1993年04期
5 廖晓昕;吴新余;;关于非线性CAM神经网络的稳定性分析[J];南京邮电大学学报(自然科学版);1993年02期
6 罗立强,郭常霖,吉昂,马光祖;人工神经网络与分析测试技术的研究与发展[J];岩矿测试;1997年04期
7 董守华,石亚丁,汪洋;地震多参数BP人工神经网络自动识别小断层[J];中国矿业大学学报;1997年03期
8 李祚泳,邓新民;环境污染预测的人工神经网络模型[J];成都气象学院学报;1997年04期
9 侯遵泽,杨文采,高德章;二维小波分析程序(Ⅱ)—安装与使用[J];物探化探计算技术;2001年02期
10 付敏,徐长发,李艳;基于多尺度分析的数据非线性压缩和恢复[J];华中科技大学学报(自然科学版);2003年11期
11 胡波;杜惠良;;浙江省沿海海面日极大风预报[J];海洋预报;2006年S1期
12 张志;;人工神经网络水质预测模型研究[J];内蒙古大学学报(自然科学版);2006年06期
13 沈体雁;夏帆;刘良明;王煌基;;基于MODIS数据的城市边界监测方法及其比较[J];测绘通报;2007年01期
14 刘卓洋;李峡;;解决建筑工程消防竣工验收判定难题的探讨[J];今日科苑;2007年04期
15 张彦成;段禅伦;;基于自组织特征映射神经网络的土壤分类[J];计算机工程与科学;2008年10期
16 王凤英;;神经网络对饱和酯气相色谱保留值的预测[J];云南民族大学学报(自然科学版);2009年03期
17 张诚飚;;NIRS-ANN无损定量分析水质监测中总氮的研究[J];科技信息;2009年26期
18 沙昱;;土壤景观研究综述[J];中国科技信息;2011年09期
19 T·D·Burton,Z·Ranman,蒋利众;强非线性受迫振动的多尺度分析[J];邵阳高等专科学校学报;1989年Z1期
20 陈惟昌;;生物神经元网络与人工神经网络[J];科技导报;1991年03期
中国重要会议论文全文数据库 前10条
1 秦伟刚;贾磊;庞清乐;臧利林;;遗传算法和人工神经网络在ITS中的应用[A];第二届全国信息获取与处理学术会议论文集[C];2004年
2 冯玉强;黄梯云;;基于人工神经网络的人口发展模型的自动选择[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集(第3卷)[C];1995年
3 赵卿;曹晓岚;;人工神经网络及其在医学中的应用[A];第五次全国中西医结合神经科学术会议论文集[C];2004年
4 田国富;张国忠;张幼君;;人工神经网络在齿轮设计中的应用[A];全面建设小康社会:中国科技工作者的历史责任——中国科协2003年学术年会论文集(下)[C];2003年
5 汪学清;单仁亮;;人工神经网络在爆破块度预测中的应用研究[A];第二届中国水利水电岩土力学与工程学术讨论会论文集(一)[C];2008年
6 应义斌;景寒松;赵匀;;人工神经网络在黄花梨果形识别中的应用[A];面向21世纪的科技进步与社会经济发展(上册)[C];1999年
7 周保生;朱维申;;巷道围岩移近量的人工神经网络预测[A];第一届海峡两岸隧道与地下工程学术与技术研讨会论文集(下册)[C];1999年
8 闵惜琳;;信息系统中基于神经网络的统计需求分析[A];西部开发与系统工程——中国系统工程学会第12届年会论文集[C];2002年
9 赵金鑫;许宝杰;;基于改进的BP网络的矿用风机故障诊断方法的研究[A];第八届全国设备与维修工程学术会议、第十三届全国设备监测与诊断学术会议论文集[C];2008年
10 王栋;曹升乐;;人工神经网络在水文水资源领域的应用研究进展[A];山东水利学会第二届青年科技工作者学术研讨会论文汇编(上册)[C];1998年
中国博士学位论文全文数据库 前10条
1 曲晓波;ARGO实验中“膝”区原初宇宙线成分分辨方法研究[D];山东大学;2008年
2 吴建发;优选压裂井方法研究[D];西南石油学院;2005年
3 李军红;冷轧带肋钢筋工艺的现代优化方法及质量控制[D];南昌大学;2006年
4 Han Qiang;[D];山东大学;2005年
5 申金山;基于人工神经网络的化学发光法及光度法在多组分同时测定中的应用研究[D];四川大学;2005年
6 张治国;人工神经网络及其在地学中的应用研究[D];吉林大学;2006年
7 王海瑞;密闭式城市生活垃圾直接气化熔融焚烧过程控制策略研究[D];昆明理工大学;2007年
8 刘传文;仿生优化算法在数字图像处理中的应用研究[D];武汉理工大学;2008年
9 刘永阔;核动力装置故障诊断智能技术的研究[D];哈尔滨工程大学;2006年
10 蒲秀娟;胎儿心电信号提取研究[D];重庆大学;2009年
中国硕士学位论文全文数据库 前10条
1 杨志远;结合神经网络的小型柴油机排气消声器优化设计[D];山东大学;2007年
2 刘娜;基于DSP控制的三电平逆变器的研究[D];山东大学;2007年
3 赵荣霞;ARGO实验中Gamma/强子区分方法研究[D];山东大学;2007年
4 温省云;小波变换在isochore边界识别中的应用[D];天津大学;2004年
5 李俊;紧支集上L~p无条件基的迭代生成[D];浙江大学;2005年
6 谢海峰;圆度误差测量中的多尺度算法研究[D];吉林大学;2009年
7 王海旭;多尺度下脉冲耦合神经网络的图像融合[D];电子科技大学;2011年
8 叶枫;基于灰度图像的边缘检测方法研究[D];西北工业大学;2003年
9 刘永福;人工神经网络在上海股市趋势预测中的应用——与时间序列预测对比分析[D];东北财经大学;2003年
10 盛本云;人工神经网络在变电站综合自动化系统优化中的应用[D];南京理工大学;2003年
中国重要报纸全文数据库 前10条
1 本报记者 宋全政;真诚守护每一位师生的安全[N];中国教育报;2007年
2 白向忠本报记者 王建梁;一路追着环保走[N];科技日报;2007年
3 本报记者 李德辉 通讯员 王静 实习生 王远;在产学研的广阔海洋纵横驰骋[N];联合日报;2006年
4 记者 宋全政通讯员 周大白 张果红;学生登台讲课 师生田间调研[N];中国教育报;2008年
5 王东;桃李满天下[N];科技日报;2007年
6 本报记者 赵秋丽 通讯员 曹宪忠 冯刚;“文史见长”创优势[N];光明日报;2010年
7 记者 魏海政 宋全政;山东大学泰山学堂多次评价多次流动育英才[N];中国教育报;2010年
8 记者 孙明河魏东;“不辜负人民嘱托,坚决完成任务!”[N];科技日报;2008年
9 特约记者  鲁晓懋;老山东大学:东方瑞士的人文之脉[N];中国房地产报;2006年
10 记者  赵秋丽 通讯员  王秋生;山东大学:推进按大类招生,实施个性化培养[N];光明日报;2006年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978