野外_谱仪刻度的蒙特卡罗模拟
煤矸石山中氧气分子运动的蒙特卡罗模拟
煤矸石山中氧气分子运动的蒙特卡罗模拟
蒙特卡罗模拟（Monte Carlo Simulation）是一种以计算机
模拟技术，用于研究系统和过程的随机事件。
这种技术能够有效地模拟复杂系统中的多种复杂结果，这些结果是由许多变量的相互作用决定的。
在煤矸石山中，氧气分子的运动也可以通过蒙特卡罗模拟来模拟。
首先，为了能够准确地模拟氧气分子在煤矸石山中的运动，我们需要确定系统的物理参数，这些参数包括煤矸石山的形状、氧气分子的大小和重量、以及气体的温度等。
这些参数将为模拟运动提供基础数据。
接下来，根据这些物理参数，我们可以使用蒙特卡罗方法来模拟氧气分子在煤矸石山中的运动。
具体来说，我们需要模拟氧气分子在煤矸石山中的碰撞，以及它们在碰撞后的运动轨迹。
为此，我们需要模拟碰撞时的动能，这可以通过计算氧气分子的动量来完成。
此外，我们还需要考虑氧气分子在煤矸石山中的受力情况，即氧气分子在运动过程中受到的外力，这些外力可以由斥力和引力组成。
最后，我们需要对模拟出来的运动轨迹进行分析，以了解氧气分子在煤矸石山中的运动情况。
具体来说，我们可以通过计算氧气分子的平均速度、最大速度、平均位移等来分析氧气分子在煤矸石山中的运动情况。
综上所述，通过蒙特卡罗模拟可以有效地模拟氧气分子在煤矸石山中的运动情况，这对于深入了解煤矸石山的空气环境很有帮助。
蒙特卡罗背散射能谱模拟程序方法编写原理以及流程图
蒙特卡罗背散射能谱模拟程序方法编写原理以及流程图SRIM 与Corteo 都是与TRIM 相关的模拟程序，对入射离子在靶材料中减速过程的计算依据以下三大重要近似进行：（1）二体碰撞近似（BCA ）,即只考虑入射离子与周围最近的原子发生碰撞，不考虑与其他原子的相互作用；（2）中心势场近似（CPA ），即入射离子是在中心势场（屏蔽的库伦势场）中发生弹性散射，使用普适势（参考前面的ZBL 势[1]）；（3）随机相近似(RPA),把靶样品视为无定型结构，本次散射结束后的飞行方向和距离决定下一次散射中心的位置，而与材料本身无关。
BCA 推测碰撞只发生在两个粒子间，碰撞中涉及到原子间力比其他周围原子产生的力大得多。
如果碰撞中的最小接近距离比原子间距小，这会是很好的近似。
但在低能或大碰撞参量的碰撞情况下，近似是有待讨论的余地。
假设在减速计算中碰撞是弹性的(总能量守恒)，仅考虑弹性散射，所有与电子激发或电离相关的能损在做能损计算中单独考虑。
相互作用势是原子核势场，考虑到原子核外电子屏蔽作用，原子核有效电荷随着碰撞间距离增加而减少。
超过几个埃的距离，原子看作中性，只在偶极矩相互作用下离子化，但这在计算中务必要忽略。
因为轨道形状，屏蔽应该包括角度独立性不过这会使计算变得相当复杂，所以屏蔽函数大多数时间仅仅看作放射状并遵循随机相近似CPA 。
如绪论中讲到的Corteo 与TRIM 程序理论基础基本相同。
运用TRIM 理论的SRIM 使用普适势的形式为()∑=-=Φ41i i b e i a ρρ其中i i b a ,是被选为能够最好符合任何可能的原子对的碰撞参量，ρ是用约化单位表示的原子间隔。
我们将要在多次散射计算中用到近似，这时的屏蔽函数会有重要影响。
3.1碰撞过程近似选取计算最终做的近似是随机相近似（RPA ）。
假设下一次碰撞体的位置是随机的确定的，其不仅依据角度也依据与上一次碰撞点的距离，考虑到散射中心的浓度与物质浓度N 一致。
γ能谱的蒙特卡罗计算方法探讨与模拟软件设计的开题报告
γ能谱的蒙特卡罗计算方法探讨与模拟软件设计的开题报告一、研究背景γ能谱是指由核辐射在能量传递过程中所释放的能量，以及该能量被吸收和散射的情况。
在现代核物理及辐射领域的实验中，我们需要对γ能谱进行研究和测量，以了解放射性核素的衰变特性，判断材料的辐射损伤情况等。
基于实验的方式获取γ能谱需要进行复杂的实验设计和测量，同时还需要考虑到实验误差和仪器效应等问题。
另一种解决方案是采用计算机模拟的方式进行γ能谱的建模和生成。
在这种方式下，我们可以根据物理原理和所需要的实验条件对γ能谱进行建模和计算，同时还可以通过改变参数来探究γ能谱的变化规律，从而达到预测实验结果的目的。
因此，本次研究探讨基于蒙特卡罗方法的γ能谱模拟方法，旨在开发一个可靠的γ能谱模拟软件，能够在模拟环境下提供准确的γ能谱数据并能够探究γ能谱模拟的改进和优化。
二、研究内容1.蒙特卡罗方法在γ能谱模拟中的应用介绍蒙特卡罗方法的基本原理及其在γ能谱模拟中的应用。
对比其他模拟方法，分析蒙特卡罗方法的优缺点，并提出改进和优化方法。
2.γ能谱的模拟算法详细分析γ能谱的模拟算法，包括以粒子轨迹为基础的方法和以能量沉积为基础的方法等。
通过理论计算和实际仿真比较两种方法的优缺点，提出可行的改进方案。
3.γ能谱模拟软件设计基于上述算法原理，设计出一个可靠的γ能谱模拟软件。
该软件要求能够支持多种粒子和材料的模型，同时还需要具备可视化和用户友好的界面，方便用户输入模拟参数和控制模拟过程。
在软件设计中，还需要考虑到算法的可扩展性和可重用性，以方便后续的升级和改进。
4.γ能谱模拟实验在设计完成之后，利用该软件进行γ能谱模拟实验，测试软件的可靠性和准确性，同时还需要探究实验参数的影响，并根据实验结果改进和优化算法和软件性能。
三、研究意义本研究采用蒙特卡罗方法建立γ能谱模拟模型，设计开发了一个可靠的γ能谱模拟软件，实现对γ能谱模拟的精确和高效计算，通过优化模拟算法和软件性能，可为放射性核素的研究和辐射领域的相关实验提供支持。
伽马谱计算的Monte Carlo方法研究
伽马谱计算的Monte Carlo方法研究伽马谱计算是核能领域中非常重要的一项技术。
通过测量核反应中产生的伽马射线的能谱，可以获得反应产物所处的能级和激发态信息等重要参数。
然而，这种谱线分析需要进行大量复杂的数学计算，通常需要使用Monte Carlo方法进行模拟。
Monte Carlo方法是以概率统计为基础的计算方法，通过随机抽样的方式进行计算，可以很好地模拟存在随机因素的系统，并获得其统计特性。
在核能领域中，Monte Carlo方法已经成为了伽马谱计算的主要手段。
在Monte Carlo方法中，多次重复随机抽样，模拟粒子在系统中的轨迹，然后根据所得的数据样本进行统计分析。
这种方法可以非常精确地模拟真实系统，但也需要耗费大量的计算资源。
因此，在Monte Carlo方法中，往往需要进行一些高效的计算优化和算法改进。
一些新的Monte Carlo方法已经在伽马谱计算中取得了很好的应用效果。
例如，一种基于感兴趣区域(ROI)的计算方法可以大大缩短计算时间，减少计算误差。
该方法通过在合适的区域内采样，减少了未命中的撞击事件，从而大大提高了计算效率。
此外，一种新的多物理场模拟方法也可以在伽马谱计算中应用。
此外，Monte Carlo方法在伽马谱计算中也存在一些问题。
例如，在大规模计算中，计算资源的需求会非常高，需要使用分布式计算和并行计算等技术。
另外，Monte Carlo方法中的随机抽样导致计算过程不可重复，难以验证计算结果的准确性。
总的来说，Monte Carlo方法是伽马谱计算中的一个重要技术，并且不断有新的方法和算法不断涌现，提高了计算效率和精度。
然而，计算资源的需求和验证方法的不足仍然是该方法需要解决的问题。
蒙特卡罗方法 boltzmann数值模拟
蒙特卡罗方法boltzmann数值模拟全文共四篇示例，供读者参考第一篇示例：蒙特卡罗方法是一种基于随机数的数值计算方法，被广泛应用于各个领域的数值模拟中。
蒙特卡罗方法在Boltzmann方程数值模拟中有着重要的应用，通过蒙特卡罗方法可以模拟气体分子在气体介质的运动规律，从而研究气体的输运性质，比如热传导、扩散等。
本文将详细介绍蒙特卡罗方法在Boltzmann数值模拟中的原理和应用。
一、蒙特卡罗方法的基本原理蒙特卡罗方法是一种基于随机抽样的数值计算方法，主要用于处理那些难以用解析方法求解的问题。
其基本思想是通过随机抽样的方法，模拟系统的随机行为，并根据大量的模拟数据来估计系统的性质。
蒙特卡罗方法的核心思想是大数定律，即当重复进行随机模拟的次数足够多时，随机变量的平均值将趋于其期望值。
在Boltzmann方程数值模拟中，蒙特卡罗方法可以用于模拟气体分子在气体介质中的运动。
根据分子间的相互作用，可以通过随机抽样的方法模拟分子的碰撞和运动，从而推导出气体的输运性质。
通过蒙特卡罗方法，可以有效地模拟大规模气体分子系统的运动，为研究气体输运性质提供了有力的工具。
二、Boltzmann方程的数值模拟Boltzmann方程是描述气体分子在气体介质中运动规律的基本方程，其数值模拟可以通过离散化空间坐标和速度分布来实现。
在蒙特卡罗方法中，可以通过模拟气体分子的随机运动，来求解Boltzmann方程获得气体的输运性质。
在实际应用中，蒙特卡罗方法在Boltzmann数值模拟中可以用于研究气体的传热性质。
通过模拟气体分子的运动规律，可以得到气体的热传导系数、导热性等重要参数，从而揭示气体在不同条件下的传热规律。
这对于设计热传导设备、优化热传导效率等具有重要的意义。
四、总结第二篇示例：蒙特卡罗方法是一种数学上的随机模拟方法，可以用于解决各种复杂的问题，其中蒙特卡罗方法的一种应用就是Boltzmann数值模拟。
Boltzmann数值模拟是一种基于统计力学和蒙特卡罗方法的数值模拟技术，用于模拟大规模复杂系统的行为。
蒙特卡罗法生成服从正态分布的随机数
蒙特卡罗法生成服从正态分布的随机数标题：蒙特卡罗法：生成服从正态分布的随机数的神奇之源导语：在众多统计学方法中，蒙特卡罗法以其独特的模拟思想闻名。
本文将介绍蒙特卡罗法，并重点探讨如何使用该方法生成服从正态分布的随机数。
通过了解蒙特卡罗法的基本原理，我们可以深入理解这种方法的应用，以及背后隐藏的数学思维和计算机算法。
一、蒙特卡罗法的基本原理1.1 什么是蒙特卡罗法蒙特卡罗法是通过随机抽取样本，以统计模拟的方式解决复杂问题的数学方法。
它基于概率与统计的理论，并使用随机数生成器生成样本或事件，模拟实际情况下的概率分布，从而得出问题答案的近似解。
1.2 蒙特卡罗法的应用蒙特卡罗法广泛应用于金融、物理、天文学等领域。
在金融领域，蒙特卡罗法可以用于评估风险、定价期权等。
在物理学中，蒙特卡罗法可以用于模拟粒子行为、计算量子力学等。
二、生成服从正态分布的随机数2.1 正态分布的特点正态分布是统计学中最重要的分布之一，也称为高斯分布或钟形曲线。
它的数学表达式为 f(x) = (1/σ√2π) * e^(-(x-μ)^2/2σ^2)，其中μ是均值，σ是标准差。
2.2 使用蒙特卡罗法生成正态分布的随机数要生成服从正态分布的随机数，我们需要使用蒙特卡罗法的思想。
具体步骤如下：1) 生成均匀分布的随机数：我们使用随机数生成器生成0到1之间的均匀分布的随机数。
2) 转换为标准正态分布的随机数：通过应用逆变换方法，将均匀分布的随机数转换为服从标准正态分布的随机数。
3) 转换为正态分布的随机数：通过线性变换将标准正态分布的随机数转换为服从我们设定的正态分布的随机数。
三、个人观点与总结蒙特卡罗法的魅力在于其模拟思想以及对随机数生成器的依赖。
通过将蒙特卡罗法应用于生成服从正态分布的随机数，我们可以更灵活地进行数据分析、模拟实验和数值计算等工作。
随着计算机算力的提升，蒙特卡罗法的应用前景更加广阔，将为我们在探索和解决复杂问题时提供更有力的工具。
用蒙特卡罗程序对HPGeγ谱仪做能谱模拟和探测效率计算
每种样 品制 备标 准 物质 用 于 探测 效 率 的 测 量 ， 这将
对测量 结果 的准 确度产 生很 大 的影 响 。为 了解 决这
一
标 准土 壤装 在 ０ ５ｍ ×５ ｍ 的圆柱 体 塑料 ７ ｍ ０ｍ 盒 内， 主要成 分 为 ＳＯ 、 １ Ｏ 、 ｅ Ｏ 、 ｅ Ｍ Ｏ和 ｉ ２ Ａ ３ Ｆ 。 Ｆ Ｏ、 ｇ Ｃ Ｏ。 光 子在标 准土 壤 内各 向同性 ， 匀分 布 。用 ａ 均 ＭＮ Ｐ所建 立 的模 型见 图 １ Ｃ 。
作描 述 。
２ １ 探 测 器 ．
因此被广 泛 应 用 于 能 谱 测 量 和 分 析 工 作 中 。 由
于 射线与物质的相互作用 主要有光电效应、 康
普 顿效应 、 电子 对效 应 ， 输 出能谱 颇 为 复 杂 ， 能 其 在 谱 中形成 全 能 峰 、 普 顿 坪 、 逃 逸 峰 和 双逃 逸 峰 康 单 等 。除 以上 ３种 效 应 ， 还有 散 射 光子 、 致 辐射 、 韧 累
收稿 日期 ：０ ０ ０ － １ ２ １ —３ Ｏ
是否 进入探 测器 晶体 ， 定是 否 与 晶 体 发生 相 互 作 确
朱国锋 ： 用蒙特 卡罗程序对 ＨＰ ｅ 谱仪做能谱模 拟和探测效率计算 Ｇ＇ ， ／
３ ７
开发 的一个 大 型 、 功能 的蒙特 卡罗 中子 、 多 光子 及 电 子耦合 输运 程序 。运 用 该 程 序 可 实 现 能谱 模 拟 ， 编
在 核应急 监测 工作 中 ， 以用 谱 仪 对环 境 气 可 溶 胶等 样 品 进行 测 量 和 分 析 。在 放 射 性 常 规 监 测 中 ， 以用 谱仪 对 生 物 、 、 可 水 土壤 等 样 品做 精 细 分
析， 准确 判断环 境辐射 水平 是否 发 生变 化 ¨ 。Ｈ Ｇ Ｐｅ
【国家自然科学基金】_nai(tl)探测器_基金支持热词逐年推荐_【万方软件创新助手】_20140730
科研热词 nai(tl)探测器 蒙特卡罗 航空γ 能谱仪 符合探测效率 方差估计 数据融合 探测效率 微分截面 加权最小二乘法 中子剂量 γ 能谱 na活化 mcnp程序 mcnp geant4 compton坪台
推荐指数 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2014年 序号 1 2 3 4 5 6 7 8 9 10
科研热词 推荐指数 高分辨伽玛相机 1 钆 1 辐射探测 1 蒙特卡罗模拟 1 能量分辨率 1 线阵辐射探测 1 窗口比较器 1 热中子通量 1 海水 1 油垢厚度 1 有效探测距离 1 曲线拟合 1 暗物质探测 1 数字化能谱 1 探测效率 1 岩芯归位 1 岩芯γ 射线强度 1 屏蔽体 1 就地γ 能谱仪 1 多阳极位置灵敏光电倍增管 1 土层厚度 1 前置放大电路 1 信号波形 1 位置读出电路 1 仪器 1 γ 射线 1 nai(tl)晶体 1 monte-carlo方法 1 cpld 1
2012年 序号 1 2 3 4 5 6 7 8 9
科研热词 自动化 油气田勘探 伽玛曲线 铅 活化探测片 屏蔽计算 中子注量率 nal（t1）闪烁探测器 nai(tl)闪烁探测器
推荐指数 2 2 2 1 1 1 1 1 1
2013年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
2014年 科研热词 阈探测器 重叠峰 蒙特卡罗方法 能量色散x荧光 空化泡 种群算法 气载放射性碘 快中子活化 声空化核效应 nai闪烁体 推荐指数 1 1 1 1 1 1 1 1 1 1
推荐指数 4 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2010年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29
蒙特卡罗方法详细讲解
蒙特卡罗方法详细讲解下面将详细介绍蒙特卡罗方法的几个重要步骤：1.问题建模：首先需要将实际问题转化为数学模型，明确需要求解的数值或概率。
例如，计算圆周率π的值可以将问题建模为在单位正方形内随机生成点，并计算落入圆内的点的比例。
2.随机数生成：通过随机数生成器产生均匀分布的随机数，这些数将作为样本用于模拟和统计分析。
随机数的质量对结果的准确性有着重要影响，因此需要选择合适的随机数生成器。
3.样本模拟：根据问题的需要，利用随机数生成的样本进行模拟。
模拟的过程可以是简单的数学计算，也可以是复杂的物理模拟。
例如，在金融领域，可以使用蒙特卡罗方法对期权的价格进行模拟计算。
4.统计分析：对模拟得到的样本进行统计分析，以得到问题的结果。
常见的统计分析包括计算样本均值、方差、协方差等。
通过统计分析可以估计出结果的概率、置信区间等。
5.结果评估：评估模拟得到的结果的准确性和可靠性。
通常可以通过增加样本数量来提高结果的准确性，也可以通过统计分析来评估结果的可靠性。
1.金融建模：蒙特卡罗方法可以用于模拟股票价格的随机波动，并计算期权的价格和风险价值。
模拟得到的结果可以帮助金融机构进行风险管理和决策分析。
2.污染传输模拟：蒙特卡罗方法可以用于模拟大气中的污染物传输路径和浓度分布，帮助环境科学家评估污染物的扩散范围和健康风险。
3.工程优化：蒙特卡罗方法可以用于优化设计参数和优化方案的评估。
通过进行大量的模拟计算，可以找到最优的设计方案和最小化的成本。
总之，蒙特卡罗方法是一种基于随机模拟和统计分析的强大计算工具。
它的优势在于处理复杂问题的能力和适用性广泛，但需要合理的问题建模、高质量的随机数生成和准确的统计分析。
通过蒙特卡罗方法，我们可以得到数值和概率分布的估计结果，并对结果的可靠性进行评估。
γ谱仪探测效率用蒙特卡罗模拟计算中的系统简化描述
用 ７能谱仪 测量环境样 品放射性 活度 ， 需 要知道 ７ 射线的探测效 率 ， 通常待测样品 的探 测效率 由已知活度 的标准样品的测量得到。但 是， 待测样 品与标准样品往往在组成成份 、 密度 和样品量方面或多或少 的存在差别 ， 因此 由标 准样品得到的探测效率代替待测样品的探测效 率必然会给活度测量结果带来一定误差 。用蒙 特卡罗方法模拟待测样 品的 ７ 探测效率是减小 这一 误差 的 有 效 方 法 ＿ ］ １ 。该 方 法 需 要 在输 人 ≈ 程序中对测量系统进行描述 ， 去人们总是对 过 系统进行真实的描述 ， 由于环境样 品放射性一 般 比较弱 ， 要在低 ７ 本底的屏蔽室 内进行测量 ， 对于一些 由多层不 同材料组成的复杂屏蔽室 ， 这种真实描述变得非常繁琐 ， 甚至有时也难于 给 出准确 地描 述 ， 因为 对一 些 已有 的屏 蔽 室 ， 各
中 只 对 样 品 和 探 测 器 组成 的 探 测 系统 进行 描
述， 而不对屏蔽室部分进行描述 ， 即在用蒙特卡 罗计算时 ， 将屏蔽 室部分视 为不存在 ， 然， 显 这 样 描述 比真 实 描述要 简 便得 多 。
．
屏 蔽室
一
样 品盒
探 测 器
１ ３ 两种描述方法的计算结果和比较 ． 两种描述方法都将不同能量的 射线分成 相同数 目的记录单元 ， ０ ０ ３Ｍｅ７ 即 ． ９４ ｖ 射线 、． ０ ６ ９ ｖ 射线和 １４０ Ｖ ０ Ｍｅ７ ．６Ｍｅ ７射线取成 同样多
封 装 在 圆柱 形 塑料 盒 内 ， 料 盒 大小 为 ｐ ３ 塑 ７ｍｍ ×７ ｍｍ ， 厚 １５ ２ 壁 ．ｍｍ。土 壤 样 品 的 成份 和含 量 如 表 １ 示 。选 择 从 土 壤 样 品 中 发 射 的 ０ 所 ． ０ ３ 、． ０ ３和 １ ４０ Ｖ 的三 种 能 量 的 ７射 ９４ ０ ６ ９ ． ６ Ｍｅ
(Monte_Carlo)蒙特卡罗模拟
Monte Carlo名字的由来：
• Monte Carlo是摩纳哥（monaco)的首都，该城以赌博闻名
Nicholas Metropolis (1915-1999)
Monte-Carlo, Monaco
Monte Carlo方法的基本思想
蒙特卡罗方法，或称计算机随机模拟方法，是一种基 于‚随机数‛的计算方法。源于美国在第二次世界大战研 制原子弹的‚曼哈顿计划‛，该计划的主持人之一数学家 冯· 诺伊曼用驰名世界的赌城—摩纳哥的Monte Carlo—来 命名这种方法，为它蒙上了一层神秘色彩。 蒙特卡罗方法的基本思想很早以前就被人们所发现和 利用。早在17世纪，人们就知道用事件发生的‚频率‛来 决定事件的‚概率‛。19世纪人们用蒲丰投针的方法来计 算圆周率π，上世纪40年代电子计算机的出现，特别是近 年来高速电子计算机的出现，使得用数学方法在计算机上 大量、快速地模拟这样的试验成为可能。
问题分析
需要模拟出以下两件事：
[1] 观察所对目标的指示正确与否 模拟试验有两种结果，每一种结果出现的概率都是1/2． 因此，可用投掷一枚硬币的方式予以确定，当硬币出现正面时为 指示正确，反之为不正确． [2] 当指示正确时，我方火力单位的射击结果情况 模拟试验有三种结果：毁伤一门火炮的可能性为1/3(即2/6)， 毁伤两门的可能性为1/6，没能毁伤敌火炮的可能性为1/2(即3/6)． 这时可用投掷骰子的方法来确定： 如果出现的是１、２、３三个点：则认为没能击中敌人； 如果出现的是４、５点：则认为毁伤敌人一门火炮； 若出现的是６点：则认为毁伤敌人两门火炮．
非常见分布的随机数的产生
• 逆变换方法
由 定 理 1 ， 要 产 生 来 自 F (x) 的 随 机 数 ， 只 要 先 产 生 来 自 U ( 0 ,1) 随 机 数 u ， 然 后 计 算 F 可。具体步骤如下：
蒙特卡罗法生成服从正态分布的随机数
《蒙特卡罗法生成服从正态分布的随机数》一、引言“蒙特卡罗法”这一词汇，源自于蒙特卡罗赌场，是一种通过随机抽样和统计模拟来解决问题的方法。
而生成服从正态分布的随机数，是在数理统计、金融工程、风险管理等领域中常常遇到的问题。
在本文中，我们将探讨如何利用蒙特卡罗法生成服从正态分布的随机数，从而可以更深入地理解这一方法并应用于实际问题中。
二、蒙特卡罗法的基本原理蒙特卡罗法是一种基于随机抽样的方法，通过对概率模型进行模拟实验来获取近似解。
对于生成服从正态分布的随机数，我们可以利用蒙特卡罗法来模拟正态分布的概率密度函数，从而得到符合正态分布的随机数。
在生成正态分布的随机数时，我们可以采用以下步骤：1. 生成服从均匀分布的随机数2. 利用反函数法将均匀分布的随机数转化为正态分布的随机数3. 进行模拟实验，不断调整参数，直至生成的随机数符合所需的正态分布三、蒙特卡罗法生成正态分布的随机数的具体步骤1. 生成服从均匀分布的随机数我们可以利用随机数发生器生成服从均匀分布的随机数。
均匀分布的概率密度函数为f(x) = 1，x∈[0,1]。
我们可以生成若干个0到1之间的随机数作为初始值。
2. 利用反函数法将均匀分布的随机数转化为正态分布的随机数利用反函数法，我们可以将服从均匀分布的随机数转化为服从正态分布的随机数。
正态分布的累积分布函数为Φ(x) = ∫(-∞,x) (1/√(2π) * exp(-t^2/2)dt，而其反函数可以通过查表或近似计算得到。
利用反函数法，我们可以将生成的均匀分布的随机数通过正态分布的反函数转化为符合正态分布的随机数。
3. 进行模拟实验，不断调整参数，直至生成的随机数符合所需的正态分布在生成的随机数不符合所需的正态分布时，我们可以不断地调整参数、增加模拟实验的次数，直至得到符合所需的正态分布的随机数。
四、总结与回顾通过蒙特卡罗法生成服从正态分布的随机数，我们可以发现这一方法的灵活性和强大性。
第八章_蒙特卡罗模拟
的概率。通常记为：
F(x)=P(X≤x) 如图8-2所示。
x
0
图8-2 随机变量分布曲线
12
经验分布函数是由X的 n 个观测值x1, x2,…, xn , 用统计方法得到的分布函数，记为Fn(x) 。
但是，在油气资源评
价中,人们总希望得到资 1 源量不小于某个实数 x
的概率P(X>x), 显然:
P(X>x)
9
二、伪随机数的产生方法 1. 乘同余法 该方法产生伪随机数序列的递推同余式为：
rxnn11
xn
xn1
/
(mod M
M
)
xn , xn+1—第n次和第n+1次产生的伪随机数； α-乘子系数；M- 模；
rn+1- [0,1]区间上的伪随机数。 xn+1≡αxn (mod M)叫做以 M 为模的同余式，表示 xn+1取值为：α与xn的积除以 M 的余数部分。
cj -第j个局部地质单元中v个地质常数Di之积。
m
油气总资源量： Q Qj
(8-2)
j 1
因此，求油气资源量的问题，就归结为求上述
两个计算模型的概率解问题。
4
一、蒙特卡罗法的基本思想
蒙特卡罗的基本思想可概括为：为求研究问题的 概率解, 构造一个表示所研究问题概率解的数学模 型(计算模型)，记为:
P(X>x)=1-P(X≤x)=1-F(x)
0
x
如图8-3。
图8-3 分布函数曲线
13
以统计所得的Fn(x)代替F (x), 并记：
第八章 蒙特卡罗模拟法
§1 蒙特卡罗法概述 §2 随机数及其产生方法 §3 随机变量的抽样 §4 油气资源量的估算 §5 地质风险分析 §6 应用简例
蒙特卡罗(Monte Carlo method)方法知识详解
蒙特卡罗（Monte Carlo method）方法知识详解蒙特卡罗方法（英语：Monte Carlo method），也称统计模拟方法，是1940年代中期由于科学技术的发展和电子计算机的发明，而提出的一种以概率统计理论为指导的数值计算方法。
是指使用随机数（或更常见的伪随机数）来解决很多计算问题的方法。
20世纪40年代，在冯·诺伊曼，斯塔尼斯拉夫·乌拉姆和尼古拉斯·梅特罗波利斯在洛斯阿拉莫斯国家实验室为核武器计划工作时，发明了蒙特卡罗方法。
因为乌拉姆的叔叔经常在摩纳哥的蒙特卡洛赌场输钱得名，而蒙特卡罗方法正是以概率为基础的方法。
与它对应的是确定性算法。
蒙特卡罗方法在金融工程学、宏观经济学、生物医学、计算物理学（如粒子输运计算、量子热力学计算、空气动力学计算）机器学习等领域应用广泛。
一、蒙特卡罗方法的基本思想通常蒙特卡罗方法可以粗略地分成两类：一类是所求解的问题本身具有内在的随机性，借助计算机的运算能力可以直接模拟这种随机的过程。
例如在核物理研究中，分析中子在反应堆中的传输过程。
中子与原子核作用受到量子力学规律的制约，人们只能知道它们相互作用发生的概率，却无法准确获得中子与原子核作用时的位置以及裂变产生的新中子的行进速率和方向。
科学家依据其概率进行随机抽样得到裂变位置、速度和方向，这样模拟大量中子的行为后，经过统计就能获得中子传输的范围，作为反应堆设计的依据。
另一种类型是所求解问题可以转化为某种随机分布的特征数，比如随机事件出现的概率，或者随机变量的期望值。
通过随机抽样的方法，以随机事件出现的频率估计其概率，或者以抽样的数字特征估算随机变量的数字特征，并将其作为问题的解。
这种方法多用于求解复杂的多维积分问题。
假设我们要计算一个不规则图形的面积，那么图形的不规则程度和分析性计算（比如，积分）的复杂程度是成正比的。
蒙特卡罗方法基于这样的思想：假想你有一袋豆子，把豆子均匀地朝这个图形上撒，然后数这个图形之中有多少颗豆子，这个豆子的数目就是图形的面积。
EDXRF分析仪中“源—样—探”几何位置的蒙特卡罗模拟
EDXRF分析仪中“源—样—探”几何位置的蒙特卡罗模拟作者：李娜来源：《电子技术与软件工程》2016年第23期摘要能量色散X射线荧光分析能够快速分析物质内部元素组分，是一种非化学手段处理元素的分析方法。
本文建立了通过蒙特卡罗方法的模拟程序，并且研究了“X射线源-样品-探测器”的相对几何位置的改变对测量精度的影响。
模拟结果表明，通过对峰背比的计算和测量确定了最佳的探测角度为45°，样品与探测器的距离为10mm，从而提高了系统的探测精度。
【关键词】EDXRF 蒙特卡罗方法精度1 引言能量色散X荧光（EDXRF）分析技术因为具有对样品无损害、可以实现多元素测量而且测试速度比较快等优势，被誉为现代先进技术之一，被广泛应用在地质勘探、石油化工、食品安全、刑事侦查、考古鉴定以及生物医学等诸多领域。
近年来，能量色散X射线荧光分析逐渐向着便携式的方向发展，体积小、重量轻、易于携带的分析仪器，备受在线分析检测技术人员的青睐。
本文建立了蒙特卡洛模拟程序，并且研究了“X射线源-样品-探测器”的相对几何位置的改变对测量精度的影响。
通过优化相对位置，提高仪器的分辨率及探测效率，增强特征X 射线的全能峰的峰背比，改善仪器的工作性能。
2 蒙特卡罗方法在离子输运领域内的运用蒙特卡罗（Monte Carlo）方法，又称统计试验方法，或者称为计算机随机模拟方法。
将在具体事件中具体概率特征的事件转化为与概率相关的问题模型通过模拟这个概率过程来求得近似解。
本研究使用Geant4工具包进行模拟分析，Geant4是基于蒙特卡罗方法计算粒子输运的工具包。
本模拟使用Geant4建立了EDXRF的几何结构，研究了探测器位置的摆放对测量结果的影响，本程序使用Livermore物理过程模板进行对激发-退激模型的模拟工作，可以得到相应的荧光信息。
其中物理建模条件如下：X射线源位置固定在样品正上方与法线夹角为零度，探测器位置安置于距离激发源距离分别为10mm，20mm，30mm，40mm，50mm，60mm。
蒙特卡罗背散射能谱模拟程序方法编写原理以及流程图
蒙特卡罗背散射能谱模拟程序方法编写原理以及流程图SRIM 与Corteo 都是与TRIM 相关的模拟程序，对入射离子在靶材料中减速过程的计算依据以下三大重要近似进行：（1）二体碰撞近似（BCA ）,即只考虑入射离子与周围最近的原子发生碰撞，不考虑与其他原子的相互作用；（2）中心势场近似（CPA ），即入射离子是在中心势场（屏蔽的库伦势场）中发生弹性散射，使用普适势（参考前面的ZBL 势[1]）；（3）随机相近似(RPA),把靶样品视为无定型结构，本次散射结束后的飞行方向和距离决定下一次散射中心的位置，而与材料本身无关。
BCA 推测碰撞只发生在两个粒子间，碰撞中涉及到原子间力比其他周围原子产生的力大得多。
如果碰撞中的最小接近距离比原子间距小，这会是很好的近似。
但在低能或大碰撞参量的碰撞情况下，近似是有待讨论的余地。
假设在减速计算中碰撞是弹性的(总能量守恒)，仅考虑弹性散射，所有与电子激发或电离相关的能损在做能损计算中单独考虑。
相互作用势是原子核势场，考虑到原子核外电子屏蔽作用，原子核有效电荷随着碰撞间距离增加而减少。
超过几个埃的距离，原子看作中性，只在偶极矩相互作用下离子化，但这在计算中务必要忽略。
因为轨道形状，屏蔽应该包括角度独立性不过这会使计算变得相当复杂，所以屏蔽函数大多数时间仅仅看作放射状并遵循随机相近似CPA 。
如绪论中讲到的Corteo 与TRIM 程序理论基础基本相同。
运用TRIM 理论的SRIM 使用普适势的形式为()∑=-=Φ41i i b e i a ρρ其中i i b a ,是被选为能够最好符合任何可能的原子对的碰撞参量，ρ是用约化单位表示的原子间隔。
我们将要在多次散射计算中用到近似，这时的屏蔽函数会有重要影响。
3.1碰撞过程近似选取计算最终做的近似是随机相近似（RPA ）。
假设下一次碰撞体的位置是随机的确定的，其不仅依据角度也依据与上一次碰撞点的距离，考虑到散射中心的浓度与物质浓度N 一致。
蒙特卡罗方法详解与MATLAB实现
1 N
g N N i1 g(ri )
作为积分的估计值（近似值）。
0.2 命中8环
用计算机作随机试验（射击） 0.5 命中9环
的方法为, 选取一个随机数ξ, 按右 边所列方法判断得到成绩。
命中10环
这样, 就进行了一次随机试验 （射击）, 得到了一次成绩 ｇ(r), 作Ｎ次试验后, 得到该运动员射击 成绩的近似值
g N
1 N
N
g(ri )
i 1
2. 蒙特卡罗方法的收敛性, 误差
显然, 当给定置信度α后, 误差ε由σ和N决定。要减 小ε, 或者是增大N, 或者是减小方差σ2。在σ固定的情况 下, 要把精度提高一个数量级, 试验次数N需增加两个数 量级。因此, 单纯增大N不是一个有效的办法。
另一方面, 如能减小估计的均方差σ, 比如降低一半, 那误差就减小一半, 这相当于N增大四倍的效果。因此 降低方差的各种技巧, 引起了人们的普遍注意。后面课 程将会介绍一些降低方差的技巧。
4) 具有同时计算多个方案与多个未知 量的能力
对于那些需要计算多个方案的问题, 使用蒙特卡 罗方法有时不需要像常规方法那样逐个计算, 而可以 同时计算所有的方案, 其全部计算量几乎与计算一个 方案的计算量相当。例如, 对于屏蔽层为均匀介质的 平板几何, 要计算若干种厚度的穿透概率时, 只需计算 最厚的一种情况, 其他厚度的穿透概率在计算最厚一 种情况时稍加处理便可同时得到。
➢ 计算机模拟试验过程
蒙特卡罗模拟在物理化学中的应用
蒙特卡罗模拟在物理化学中的应用随着科技的发展，计算机在科学研究中的应用越来越广泛，特别是在物理化学中的应用更是不可或缺。
原子、分子在运动中的各种行为，如化学反应、扩散、聚集等都可以通过计算机模拟来展现。
而蒙特卡罗（Monte Carlo）模拟作为一种常用的计算方法在物理化学领域具有重要的应用，下面将从蒙特卡罗模拟的基本原理及其应用进行介绍。
一、蒙特卡罗模拟的基本原理蒙特卡罗模拟是指通过随机采样的方式对一定的物理系统进行模拟的方法。
其基本思想是将物理系统内部的问题抽象出来，用一组可重复的伪随机数来生成系统的各种状态，模拟物理过程的发展，得到物理系统的性质。
其中，伪随机数是一种依据某个确定的产生规律而生成的数列，是一个随机分布，其各个数之间的关系是以概率的方式随机进行的。
而在蒙特卡罗模拟中，产生的伪随机数会被用来作为物理系统中各个分子的运动轨迹的随机性。
二、1. 分子动力学模拟物质在微观层面上的运动行为是分子动力学模拟的研究对象。
在分子动力学模拟中，蒙特卡罗模拟是一种常用的手段。
通过随机生成分子的位置、速度等初始状态，模拟分子在固定温度、压力等条件下的运动轨迹，以此研究分子之间的相互作用，并分析物质的热力学性质、结构性质和动力学性质等。
2. 热力学模拟在热力学模拟中，蒙特卡罗模拟可以用来模拟统计性质以及研究相互作用的效应。
例如，在晶体学中，可以使用蒙特卡罗模拟来确定一个晶体状态下分子间的相互作用力和位点之间的相互关系。
通过模拟不同的温度下的晶体状态，研究其相变规律和物质的相变过程。
3. 化学反应模拟化学反应是物理化学研究中最重要的问题之一。
在化学反应模拟中，蒙特卡罗模拟可以用来模拟分子之间的结构和相互作用，预测化学反应的热力学和动力学性质。
例如，通过模拟光合作用的反应机理，研究植物光合作用的分子机制，预测光合作用的产物。
4. 电子结构模拟电子结构是物理化学中的重要问题，决定了原子和分子的化学性质。
在电子结构模拟中，蒙特卡罗模拟可以用来计算原子和分子的基态电子能级和电子云的分布。
蒙特卡罗方法MonteCarlosimulation
第六章 引言(Introduction)
Monte Carlo模拟在物理研究中的作用
第六章 引言(Introduction)
Monte Carlo模拟的步骤： 1. 根据欲研究的物理系统的性质，建立能够描述该系统特性 的理论模型，导出该模型的某些特征量的概率密度函数； 2. 从概率密度函数出发进行随机抽样，得到特征量的一些模 拟结果； 3. 对模拟结果进行分析总结，预言物理系统的某些特性。
第六章 引言(Introduction)
Monte Carlo方法简史 简单地介绍一下Monte Carlo方法的发展历史
1、Buffon投针实验： 1768年，法国数学家Comte de Buffon利用投针实验估计的值
L
d
p
2L d
第六章 引言(Introduction)
Problem of Buffon’s needle: If a needle of length l is dropped at random on the middle of a horizontal surface ruled with parallel lines a distance d>l apart, what is the probability that the needle will cross one of the lines?
第六章 引言(Introduction)
Solution:
The positioning of the needle relative to nearby lines can be described with a random vector which
[0, )
The random vector is uniformly distributed on the region [0,d)×[0,). Accordingly, it has probability density function 1/d.
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第29卷 第4期核电子学与探测技术Vol.29 No.4 2009年 7月Nuclear Elect ronics &Detection TechnologyJ ul. 2009 野外γ谱仪刻度的蒙特卡罗模拟曹午飞1,陈少文1,2,唐 强1,刘小伟1,张纯祥1(1.中山大学理工学院,广东广州510275;2.东莞理工学院,广东东莞 523808)摘要:用蒙特卡罗方法对NaI (Tl )野外γ谱仪刻度进行模拟,计算谱仪的响应系数。
通过与实验的比较,研究利用蒙特卡罗方法对NaI (Tl )野外γ谱仪进行刻度的可行性。
结果表明,当模拟探测器对137Cs 的能量分辨率从8%～14%变化时,模拟结果与实验结果的差别在12%以内。
关键词:蒙特卡罗方法;野外γ谱仪刻度;能量分辨率中图分类号: O572.21+2 文献标识码: A 文章编号: 025820934(2009)0420832204收稿日期:2008211214基金项目:国家自然科学基金(10675175、10505033)。
作者简介:曹午飞(1982-),男,河南人,硕士研究生,从事核技术应用研究。
γ能谱是核素分析的一种重要手段[1]。
由于Na I (Tl )探测器具有很高的探测效率,在天然放射性样品分析中广泛应用。
野外现场测量时,待测样接近无限大、无限厚,实验室难以制成几何条件一样的标准源对γ谱仪进行刻度。
通常在实验室条件下是采用已知核素浓度的人造大标准源,通过减小探头与刻度源表面的距离及引入适当的几何修正因子,使得刻度时与实际测量时γ光子对探头的注量相等,对谱仪进行刻度。
例如,标准源半径为1m 、厚为016m ,刻度时探头NaI 晶体中心与模型表面距离为7.5cm [2],而实际野外测量时探头与地面距离为100cm 。
事实上,即使这样大小的模型也不易制备。
蒙特卡罗方法可以模拟光子、电子在介质中的迁移过程,在实验核物理、反应堆物理、高能物理、辐射测量等方面有广泛的应用。
已有较多报导用蒙特卡罗方法模拟γ能谱测量[327],但其中论及的问题主要为点源、面源和小体源。
本文利用蒙特卡罗方法,对Na I(Tl )野外γ谱仪的刻度进行模拟,计算谱仪的响应系数。
通过与实验结果比较,研究利用蒙特卡罗方法对NaI (Tl )野外γ谱仪进行刻度的可行性,为野外γ能谱大模型源的刻度提供一种依靠模拟的方法。
1 模型和方法本文采用EGSnrc 程序进行蒙特卡罗模拟,其模拟的模型如图1所示,图中标号2是半径R =1m 、高H =0.6m 的圆柱,用来模拟刻度源,其成分为65%的SiO 2和35%的Al 2O 3,密度为2.05g/cm 3;标号1为NaI 探测器,其NaI 晶体中心与标准源表面的距离为7.5cm 。
探测器的具体模型如图2所示,图2中标号4为NaI (Tl )晶体,其尺寸为Φ75mm ×75mm ,标号1、2、3为光电倍增管简化模型。
晶体和光电倍增管放置在厚度为4mm 的铝筒中,整体构成探测器。
在模拟中,光子初始位置在标准源模型内随机抽取,其发射方向由4π立体角随机抽取;光子初始能量由K 、U 系、Th 系发射的光子的产额[8]抽取。
对于野外γ能谱感兴趣的能量是1.46MeV (K 峰)、1.76MeV (U 峰)、2.62MeV (Th 峰),因此在模拟中Na I (Tl )闪烁体光子和电子的截止能量分别选取为10keV 、238图1 模拟模型图2 探头模型520keV ,而其它区域选取1MeV 、1.511MeV 。
由于从放射源发射的光子打到探头的效率很低,因此在模拟中,对入射到探头上的粒子进行分裂100次来提高模拟效率。
记录在晶体中沉积能量为E 的光子数,得到沉积能谱N (E )。
模拟探测器的γ能谱R (E )由式(1)计算。
R (E 0)=∫N (E )G (E 0,E )d E (1)其中G (E 0,E )为仪器的能量分辨函数,可表示为G (E 0,E )=Ce -(E 0-E )2/2σ2(2)式中C 为归一化常数。
设NaI (Tl )探头的能量分辨率η与能量的平方根成反比关系[9],利用σ与η的关系η=2.36σE 0,可得到:σ=0.345ηC sE 0(3)其中ηC s 为NaI (Tl )探头对137Cs 的能量分辨率,E 0的单位为MeV 。
通过模拟得到的40K 、U 系、Th 系γ能谱R (E ),可计算得到谱仪的响应系数a ij ,即单位衰变率的第i 种成分在第j 能域上所引起的计数率。
3 结果与讨论311 沉积能谱N (E )和模拟γ能谱R (E )模拟标准源K 、U 系、Th 系的比活度分别为210Bq/kg 、42Bq/kg 、63Bq/kg 。
在模拟中,设探测器对137Cs 的0.662MeV 全能峰的能量分辨率为8%。
图3为模拟标准源Th 系的沉积能谱N (E ),图4是由图3经过高斯展宽得到的模拟探测器的γ能谱R (E )。
图中位置1、2、3对应的能量分别为1.60MeV 、2.11MeV 、2.62MeV ,它们分别对应的就是Th 系2.62MeV 的双逃逸峰、单逃逸峰和全能峰。
图5、图6是分别给出了标准源K 和U 系的模拟γ能谱。
图3 标准源Th 系的沉积能谱N (E )图4 标准源Th 系的模拟探测器的γ能谱R (E )312 响应系数与实验的比较实验数据来自于参考文献[2],刻度所用的源的尺寸、密度、NaI (Tl )晶体的尺寸及探头放置的位置等与模拟的条件相同。
表1为实验给出的γ能谱仪的灵敏常数A ij 。
338图5 标准源K 的模拟探测器的γ能谱R (E)图6 标准源U 系的模拟探测器的γ能谱R (E )表1 实验测得的能谱仪的灵敏常数A ij钾特征道域1252140铀特征道域1462166钍特征道域2132235cpm/%K 189.63817.3076 3.6790cpm/ppmU 19.373920.43620.3384Cpm/ppm Th5.67256.18006.8952灵敏常数A ij 由下式定义A ij =a ij h ij k ij(4) 其中a ij 为第i 种单位浓度的核素在第j 个特征道区的计数率;h ij 为几何修正因子,它是对由于标定时NaI 晶体中心与标准源距离为7.5cm ,而野外测量时Na I 晶体中心与地面距离为1m 所引起的几何差异的修正;k ij 是对刻度源与野外实际测量其两种介质的质量吸收系数差异的修正。
文献[2]中,h ij 和k ij 分别取为1.0834和1。
由表1可看出,实验给出的40K对U 系和Th 系特征道域的产生计数率不为零,这主要是因为本底及统计性造成的。
利用钾特征道域的中心道对应1.46MeV ,铀特征道域的中心道对应1.76MeV ,钍特征道域的中心道对应2.62MeV ,通过拟合可得到能量与道址的关系E =0.0127n -0.2179,E 为能量,n 为道址,由此定出钾、铀和钍特征道域对应的特征能区分别为1.367- 1.566MeV 、1.633- 1.895MeV 和2.480-2.762MeV 。
为了与模拟计算结果进行比较,将模拟计算得到的响应系数乘以几何修正系数1.0834,并将其转换为灵敏常数,其结果如表2所示。
表2 模拟得到的能谱仪的灵敏常数A ij钾特征能区1137-1156MeV 铀特征能区1.64-1.89MeV 钍特征能区2.48-2.77MeVcpm/%K 213.6500cpm/ppmU 19.2821.230.22Cpm/ppm Th5.535.747.69比较表1和表2可见,模拟与实验结果符合得相当好。
对于40K 、U 系、Th 系在钾特征能区产生的计数率,模拟与实验值相差分别为12%、-1%、-3%;U 系、Th 系在铀特征能区产生的计数率,模拟与实验值分别相差4%、-8%;Th 系在钍特征能区产生的计数率,模拟与实验值分别相差11%。
对于不同能量分辨率,其模拟的结果不同。
为研究能量分辨率的影响,我们对谱仪在137Cs 的0.662MeV 全能峰的能量分辨率分别为8%、10%、12%、14%的情况进行了模拟。
模拟的结果表明,能量分辨率从8%～14%变化时,灵敏常数也有一定变化,但所得结果与实验值相差在12%以内;当分辨率增加时,模拟结果与实验结果的差别减少,当对137Cs 的能量分辨率为14%时,模拟得到的A ij 与实验测量值相差小于7%。
4 结论通过对蒙特卡罗模拟得到的沉积能谱进行高斯展宽,可以很好地模拟探测器的γ能谱,并可由此计算谱仪的响应系数或灵敏常数;谱仪的能量分辨率对其响应系数或灵敏常数有影响。
与实验值比较的结果表明,利用此方法对野外γ能谱仪进行刻度,计算所得的响应系数或灵敏常数与实验结果相差不大于12%。
参考文献:[1]郑碧华,陈劲民,熊正烨.γ能谱测量及其应用[J ].中山大学学报(自然科学版),2005,44(s ):1582438160.[2]罗达玲,张纯祥,关祖杰.野外γ能谱方法[J].核仪器与方法,1984,4(4):54257.[3]许淑艳,张贵山.NaI(Tl)晶体对γ射线响应函数的蒙特卡罗计算[J].原子能科学技术,1982,27(2):2402247.[4]郭春营,罗永锋,林源根.NaI(Tl)闪谱仪峰总比的蒙特卡罗计算[J].核电子学与探测技术,2002,22(5):4532455.[5]屈国普,龚学余,金杰坤.NaI(Tl)晶体对面源全能峰效率刻度的点源模拟法[J].核电子学与探测技术,1999,19(4):3112313.[6]张富利,曲德成,杨国山.应用蒙特卡罗方法确定NaI探测器的点源效率函数及其参数[J].核技术, 2007,30(3):2312235.[7]李婧,张江,葛良全.蒙特卡罗模NaI探测天然γ能谱的软件设计方法及应用[J].核电子学与探测技术,2005,25(4):4232125.[8]土壤中放射性核素的γ能谱分析方法[S].中华人民共和国国家标准G B11743289.[9]复旦大学,清华大学,北京大学.原子核物理实验方法(上)[M].北京:原子能出版社,1985:1732 175.Monte C arlo Simulation of the Field G amma Spectrometer C alibration CAO Wu2fei1,CH EN Shao2wen1,2,TAN G Qiang1,L IU Xiao2wei1,ZHAN G Chun2xiang1(1.School of Physics and Engineering,Sun Yat2sen University,Guangzhou510275,China;2.Electron Engineering Department,Dongguan University of technology,Dongguan523808,China)Abstract:Monte Carlo met hod is used to simulate t he spectrum measured by NaI(Tl)gamma spectrome2 ter for t he field spectrometer calibration,and t he response coefficient s of t he NaI(Tl)gamma spectrome2 ter is calculated.By comparing t he calculation result s wit h the experimental result s,t he possibility of u2 sing Monte Carlo met hod for field NaI(Tl)gamma spectrometer calibration is st udied.The result shows t hat t he difference of response coefficient s between simulation result s and experimental result s is less t han 12%when t he energy resolution of spectrometer for Cs2137is varied wit hin8214%.K ey w ords:Monte Carlo met hod,Field G amma Spectrometer Calibration,energy resolution(上接第785页,Continued f rom page785)The Apply of Frequency Divider Circuit in Nuclear ElectronL IU He2fan,ZEN G Bing,ZHAN G Zi2liang,GE Liang2quan(College of Nuclear Technology&Key Laboratoryof Applied Nuclear Techniques in G eosciences,Sichuan,Chengdu,610059)Abstract:Different component s in a digital system often need different working frequencies,t he way we often used is clock division from t he system clock.Through t he analysis of frequency divider principle,a applied integer frequency dividing circuit with SE120A is proposed.It can divide t he frequency multiple from2to64.It’s usually used in nuclear electronics.It’s testing and analysis is displayed t hat it has no noise,good frequency division effect and stability.K ey w ords:Clock Division Circuit,Frequency Divider,NIM,Clock538。