I denna figur, det övre lagret visar sannolikhetskonturerna för frisläppningsplatsen och det nedre lagret visar det geografiska området som omger Diablo Canyon kraftverk. Den faktiska släppplatsen, betecknas med det röda X, faller inom den högsta sannolikheten (mörkröd) kontur som bestäms av inversionsalgoritmen. Upphovsman:Lawrence Livermore National Laboratory
Vid en oavsiktlig radiologisk utsläpp från en kärnkraftsreaktor eller industriell anläggning, att spåra antennens strålning till dess källa i tid kan vara en avgörande faktor för räddningspersonal, riskbedömare och utredare.
Med hjälp av data som samlats in under ett atmosfäriskt spårämneexperiment för tre decennier sedan vid kärnkraftverket Diablo Canyon på centrala kusten i Kalifornien, tiotusentals datorsimuleringar och en statistisk modell, forskare vid Lawrence Livermore National Laboratory (LLNL) har skapat metoder som kan uppskatta källan till en atmosfärisk utsläpp med större noggrannhet än tidigare.
Metoderna innehåller två datormodeller:U.S.Weather Research and Forecasting (WRF) -modellen, som producerar simuleringar av vindfält, och gemenskapens FLEXPART -spridningsmodell, som förutspår koncentrationsrörelser baserat på tiden, mängd och plats för en release. Med hjälp av dessa modeller, atmosfäriska forskare Don Lucas och Matthew Simpson vid LLNLs National Atmospheric Release Advisory Center (NARAC) har kört simuleringar som utvecklats för nationell säkerhet och nödsituationer.
1986, för att bedöma effekten av en eventuell radioaktiv utsläpp vid Diablo Canyon -anläggningen, Pacific Gas &Electric (PG&E) släppte ut en icke-reaktiv gas, svavelhexafluorid, in i atmosfären och hämtade data från 150 instrument placerade vid kraftverket och dess omgivande område. Denna data gjordes tillgänglig för LLNL -forskare, ge dem en sällsynt och värdefull möjlighet att testa sina beräkningsmodeller genom att jämföra dem med verkliga data.
"Ibland, modellerna vi använder i NARAC genomgår utveckling och vi måste testa dem, "Sade Lucas." Diablo Canyon -fodralet är ett riktmärke som vi kan använda för att hålla våra modelleringsverktyg skarpa. För detta projekt, vi använde våra toppmoderna vädermodeller och var tvungna att vrida tillbaka klockan till 1980-talet, använda gamla väderdata för att återskapa, så gott vi kunde, förhållandena när de utfördes. Vi grävde upp all data, men att göra det var inte tillräckligt för att bestämma det exakta vädermönstret vid den tiden. "
På grund av den komplexa topografin och mikroklimatet kring Diablo Canyon, Lucas sa, modellosäkerheten var hög, och han och Simpson var tvungna att utforma stora simuleringar med hjälp av väder- och spridningsmodeller. Som en del av ett nyligen genomfört Laboratory Directed Research &Development (LDRD) -projekt som leds av pensionerade LLNL-forskare Ron Baskett och LLNL-forskare Philip Cameron-Smith, de sprang 40, 000 simuleringar av plymer, ändra parametrar som vind, plats för utsläpp och mängd material, var och en tar cirka 10 timmar att slutföra.
Ett av deras stora mål var att rekonstruera beloppet, platsen och tidpunkten för släpp när vädret är osäkert. För att förbättra denna omvända modelleringsförmåga, de tog hjälp av Devin Francom, en Lawrence Graduate Scholar i den tillämpade statistikgruppen vid LLNL. Under ledning av Bruno Sanso vid statistiska institutionen vid UC Santa Cruz, och hans LLNL -mentor och statistiker Vera Bulaevskaya, Francom utvecklade en statistisk modell som användes för att analysera luftkoncentrationsutmatningen från dessa körningar och uppskattade parametrarna för utsläppet.
Den här modellen, kallad bayesiansk multivariat adaptiv regressionslinje (BMARS), var föremål för Francoms avhandling, som han nyligen försvarade framgångsrikt. BMARS är ett mycket kraftfullt verktyg för analys av simuleringar som de som Simpson och Lucas erhållit. Eftersom det är en statistisk modell, det ger inte bara poänguppskattningar av intressemängder, men ger också en fullständig beskrivning av osäkerheten i dessa uppskattningar, vilket är avgörande för beslutsfattande i samband med nödsituationer. Dessutom, BMARS var särskilt väl lämpad för det stora antalet körningar i detta problem eftersom jämfört med de flesta statistiska modeller som används för att emulera datorutmatning, det är mycket bättre på att hantera massiva mängder data.
"Vi kunde lösa det omvända problemet med att hitta var materialet kommer ifrån baserat på framåtriktade modeller och instrument i fältet, "Sa Francom." Vi kan säga, 'det kom från detta område och det var över denna tidsram och så här släpptes mycket.' Viktigast, vi skulle kunna göra det ganska exakt och ge en felmarginal i samband med våra uppskattningar. Detta är ett fullt sannolikt ramverk, så osäkerhet sprids varje steg på vägen. "
Förvånande, platsen Francoms metod föreslog strider mot information i tekniska rapporter om experimentet. Detta undersöktes vidare, vilket avslöjade en avvikelse i att registrera koordinaterna när 1986 -testet utfördes.
"När vi gick tillbaka och tittade på den inspelade platsen för 1986 -utgåvan, det tycktes inte stämma överens med den kvalitativa beskrivningen av forskarna, "Sa Francom." Vår förutsägelse tyder på att den kvalitativa beskrivningen av platsen var mer sannolik än den inspelade släppplatsen. Vi förväntade oss inte att hitta det. Det var skönt att se att vi kunde hitta den möjliga felaktigheten i posterna, och lär dig vad vi tror är den sanna platsen genom våra partikeldispersionsmodeller och den statistiska emulatorn. "
"Denna analys är ett mycket kraftfullt exempel på fysikmodellerna, statistiska metoder, data och dagens beräkningsarsenal för att ge meningsfulla svar på frågor som rör komplexa fenomen, "Sa Bulaevskaya." Utan alla dessa bitar, det skulle ha varit omöjligt att få exakta uppskattningar av släppegenskaperna och korrekt beskriva graden av förtroende vi har för dessa värden. "
Lucas sa att forskarna så småningom skulle vilja ha en modell som kan köras snabbt eftersom i en faktisk händelse, de skulle behöva veta när och var släppningen skedde och hur mycket som släpptes direkt. "Snabba emulatorer, som BMARS, ge oss möjlighet att snabbt få uppskattningar av dessa kvantiteter, "Sa Lucas." Om radiologiskt material släpps ut i atmosfären och detekteras av sensorer från medvind, emulatorn kan ge information om farliga områden och kan potentiellt rädda liv. "
Francom kommer att gå vidare till Los Alamos National Laboratory för att fortsätta sitt arbete med statistiska emulatorer för analys av komplexa datorkoder. Lucas och Simpson, tillsammans med Cameron-Smith och Baskett, har ett papper om invers modellering av Diablo Canyon -data som revideras för tidskriften Atmosfärisk kemi och fysik . Francom och medförfattare har skickat in en annan uppsats, med fokus på BMARS i detta problem, till en statistikjournal och genomgår peer review.
