Ved hjælp af virkelige data, forskere besvarer nøglespørgsmål om en atmosfærisk udslip

I tilfælde af utilsigtet radiologisk udslip fra en atomkraftværksreaktor eller industrianlæg, rettidig sporing af luftstrålen fra strålingen til dens kilde kunne være en afgørende faktor for beredskabsassistenter, risikobedømmere og efterforskere.

Ved at bruge data indsamlet under et atmosfærisk sporeksperiment for tre årtier siden på Diablo Canyon Nuclear Power Plant på Californiens centrale kyst, titusindvis af computersimuleringer og en statistisk model, forskere ved Lawrence Livermore National Laboratory (LLNL) har skabt metoder, der kan estimere kilden til en atmosfærisk udslip med større nøjagtighed end før.

Metoderne inkorporerer to computermodeller:U.S. Weather Research and Forecasting (WRF) model, som producerer simuleringer af vindfelter, og fællesskabets FLEXPART-spredningsmodel, som forudsiger koncentrationsfaner baseret på tiden, mængde og placering af en udgivelse. Ved hjælp af disse modeller, Atmosfæriske videnskabsmænd Don Lucas og Matthew Simpson ved LLNL's National Atmospheric Release Advisory Center (NARAC) har kørt simuleringer udviklet til national sikkerhed og nødberedskabsformål.

I 1986, at vurdere virkningen af ​​et muligt radioaktivt udslip på Diablo Canyon-anlægget, Pacific Gas &Electric (PG&E) frigav en ikke-reaktiv gas, svovlhexafluorid, ud i atmosfæren og hentede data fra 150 instrumenter placeret på kraftværket og dets omegn. Disse data blev gjort tilgængelige for LLNL-forskere, giver dem en sjælden og værdifuld mulighed for at teste deres beregningsmodeller ved at sammenligne dem med rigtige data.

"Lejlighedsvis, de modeller, vi bruger i NARAC, gennemgår udvikling, og vi skal teste dem, " sagde Lucas. "Diablo Canyon sagen er et benchmark, vi kan bruge til at holde vores modelleringsværktøjer skarpe. Til dette projekt, vi brugte vores state-of-the-art vejrmodeller og måtte skrue tiden tilbage til 1980'erne, ved hjælp af gamle vejrdata til at genskabe, så godt vi kunne, betingelserne, da de blev udført. Vi gravede alle data op, men selv at gøre det var ikke nok til at bestemme de nøjagtige vejrmønstre på det tidspunkt."

På grund af den komplekse topografi og mikroklima omkring Diablo Canyon, Lucas sagde, modelusikkerheden var stor, og han og Simpson skulle udtænke store ensembler af simuleringer ved hjælp af vejr- og spredningsmodeller. Som en del af et nyligt Laboratory Directed Research &Development (LDRD) projekt ledet af den pensionerede LLNL videnskabsmand Ron Baskett og LLNL videnskabsmanden Philip Cameron-Smith, de løb 40, 000 simuleringer af fjer, ændre parametre som vind, placeringen af ​​frigivelsen og mængden af ​​materiale, hver tager cirka 10 timer at fuldføre.

Et af deres vigtigste mål var at rekonstruere beløbet, placeringen og tidspunktet for udgivelsen, når vejret er usikkert. For at forbedre denne inverse modelleringsevne, de fik hjælp fra Devin Francom, en Lawrence Graduate Scholar i Applied Statistics Group ved LLNL. Under ledelse af Bruno Sanso i Institut for Statistik ved UC Santa Cruz, og hans LLNL mentor og statistiker Vera Bulaevskaya, Francom udviklede en statistisk model, der blev brugt til at analysere luftkoncentrationsoutput opnået fra disse kørsler og estimerede parametrene for frigivelsen.

denne model, kaldet Bayesian multivariate adaptive regression splines (BMARS), var emnet for Francoms afhandling, som han for nylig med succes forsvarede. BMARS er et meget kraftfuldt værktøj til analyse af simuleringer som dem, der er opnået af Simpson og Lucas. Fordi det er en statistisk model, det producerer ikke kun punktoverslag over mængder af interesse, men giver også en fuldstændig beskrivelse af usikkerheden i disse skøn, som er afgørende for beslutningstagning i forbindelse med nødberedskab. I øvrigt, BMARS var særligt velegnet til det store antal kørsler i dette problem, fordi sammenlignet med de fleste statistiske modeller, der blev brugt til at emulere computeroutput, det er meget bedre til at håndtere enorme mængder data.

"Vi var i stand til at løse det omvendte problem med at finde, hvor materialet kommer fra, baseret på de fremadrettede modeller og instrumenter i feltet, " sagde Francom. "Vi kunne sige, 'det kom fra dette område, og det var over denne tidsramme, og det er, hvor meget der blev frigivet.' Mest vigtigt, vi kunne gøre det ret præcist og give en fejlmargin i forbindelse med vores estimater. Dette er en fuldstændig probabilistisk ramme, så usikkerhed blev spredt hvert skridt på vejen."

Overraskende nok, det sted, Francoms metode foreslog, var i konflikt med oplysninger i tekniske rapporter om eksperimentet. Dette blev undersøgt nærmere, hvilket afslørede en uoverensstemmelse i registrering af koordinaterne, da 1986 -testen blev udført.

"Da vi gik tilbage og så på den indspillede placering af udgivelsen fra 1986, det syntes ikke at stemme overens med forskernes kvalitative beskrivelse, " sagde Francom. "Vores forudsigelse foreslog, at den kvalitative beskrivelse af placeringen var mere sandsynlig end den optagede udgivelsesplacering. Det havde vi ikke forventet at finde. Det var pænt at se, at vi kunne finde den mulige unøjagtighed i optegnelserne, og lær, hvad vi tror er den sande placering gennem vores partikelspredningsmodeller og den statistiske emulator."

"Denne analyse er et meget kraftfuldt eksempel på fysikmodellerne, statistiske metoder, data og moderne beregningsarsenal, der samles for at give meningsfulde svar på spørgsmål, der involverer komplekse fænomener, " sagde Bulaevskaya. "Uden alle disse stykker, det ville have været umuligt at opnå nøjagtige estimater af frigivelseskarakteristika og korrekt beskrive graden af ​​tillid, vi har til disse værdier."

Lucas sagde, at forskerne til sidst gerne ville have en model, der kan køre hurtigt, fordi i en faktisk begivenhed, de skulle vide, hvornår og hvor frigivelsen fandt sted, og hvor meget der blev frigivet med det samme. "Hurtige emulatorer, såsom BMARS, give os mulighed for at opnå estimater af disse mængder ret hurtigt, " sagde Lucas. "Hvis radiologisk materiale frigives til atmosfæren og detekteres af nedvindssensorer, emulatoren kunne give information om farlige områder og kunne potentielt redde liv."

Francom vil gå videre til Los Alamos National Laboratory for at fortsætte sit arbejde med statistiske emulatorer til analyse af komplekse computerkoder. Lucas og Simpson, sammen med Cameron-Smith og Baskett, har et papir om omvendt modellering af Diablo Canyon -data, der revideres for journalen Atmosfærisk kemi og fysik . Francom og medforfattere har indsendt endnu et papir, med fokus på BMARS i dette problem, til et statistiktidsskrift og er under peer review.