减小辐射场剂量率预测不确定度的数据同化研究

摘要：

为提高核事故早期辐射场剂量率评估的准确性和可靠度,提出一种基于数据同化理论的评价方法.根据数据同化理论,定义辐射场状态空间,建立了适合辐射场剂量率预测模型的状态转移和误差协方差矩阵.利用同化算法,综合考虑核事故辐射场剂量率预测模型与实测数据,实现辐射场剂量率的最优化表达.在Matlab软件平台上,运用数值模拟实验和福岛实测数据,对该方法进行了双重验证.实验结果表明,数值模拟实验条件下,当放射性物质空气释放率高估1个数量级时,同化后,辐射场剂量率相对均方根误差从1个数量级降低至50％左右.利用福岛核事故监测数据对同化系统进行验证,同化后的结果与实际测量结果相近,相对均方根误差在20％左右.以上结果表明,通过合理运用数据同化方法,可有效减小辐射场剂量率预测的不确定度.

关键词：数据同化、核事故、集合卡尔曼滤波、高斯烟团模式

所属期刊栏目：51

分类号：TL732(辐射防护)

在线出版日期：2017-08-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1110-1115