In het geval van een accidenteel radiologisch vrijkomen uit een reactor van een kerncentrale of een industriële installatie, het tijdig traceren van de luchtpluim van straling naar de bron kan een cruciale factor zijn voor hulpverleners, risicobeoordelaars en onderzoekers.

Met behulp van gegevens verzameld tijdens een atmosferisch tracer-experiment drie decennia geleden in de Diablo Canyon Nuclear Power Plant aan de centrale kust van Californië, tienduizenden computersimulaties en een statistisch model, onderzoekers van het Lawrence Livermore National Laboratory (LLNL) hebben methoden ontwikkeld die de bron van een atmosferische release nauwkeuriger dan voorheen kunnen schatten.

De methoden omvatten twee computermodellen:het U.S. Weather Research and Forecasting (WRF) -model, die simulaties van windvelden produceert, en het FLEXPART-verspreidingsmodel voor de gemeenschap, die concentratiepluimen voorspelt op basis van de tijd, hoeveelheid en locatie van een release. Met behulp van deze modellen, atmosferische wetenschappers Don Lucas en Matthew Simpson van het National Atmospheric Release Advisory Center (NARAC) van LLNL hebben simulaties uitgevoerd die zijn ontwikkeld voor nationale veiligheid en noodhulp.

In 1986, om de impact van een mogelijke radioactieve lozing in de fabriek in Diablo Canyon te beoordelen, Pacific Gas &Electric (PG&E) heeft een niet-reactief gas vrijgegeven, zwavelhexafluoride, in de atmosfeer en verzamelde gegevens van 150 instrumenten die in de energiecentrale en het omliggende gebied waren geplaatst. Deze gegevens zijn beschikbaar gesteld aan LLNL-wetenschappers, waardoor ze een zeldzame en waardevolle kans krijgen om hun rekenmodellen te testen door ze te vergelijken met echte gegevens.

"Zo nu en dan, de modellen die we gebruiken in NARAC ondergaan ontwikkeling en we moeten ze testen, " zei Lucas. "De Diablo Canyon-behuizing is een maatstaf die we kunnen gebruiken om onze modelleringstools scherp te houden. Voor dit project, we gebruikten onze state-of-the-art weermodellen en moesten de klok terugdraaien naar de jaren 80, oude weergegevens gebruiken om te recreëren, zo goed als we konden, de omstandigheden waarin ze werden uitgevoerd. We waren alle gegevens aan het opgraven, maar zelfs dat was niet genoeg om de exacte weerpatronen op dat moment te bepalen."

Vanwege de complexe topografie en het microklimaat rondom Diablo Canyon, Lucas zei, de modelonzekerheid was hoog, en hij en Simpson moesten grote ensembles van simulaties bedenken met behulp van weer- en verspreidingsmodellen. Als onderdeel van een recent Laboratory Directed Research &Development (LDRD)-project onder leiding van gepensioneerde LLNL-wetenschapper Ron Baskett en LLNL-wetenschapper Philip Cameron-Smith, ze liepen 40, 000 simulaties van pluimen, wijzigen van parameters zoals wind, locatie van de release en hoeveelheid materiaal, elk duurt ongeveer 10 uur om te voltooien.

Een van hun belangrijkste doelen was om het bedrag te reconstrueren, de locatie en het tijdstip van de release bij onzeker weer. Om dit inverse modelleringsvermogen te verbeteren, ze riepen de hulp in van Devin Francom, een Lawrence Graduate Scholar in de Applied Statistics Group bij LLNL. Onder leiding van Bruno Sanso van de afdeling Statistiek van UC Santa Cruz, en zijn LLNL-mentor en statisticus Vera Bulaevskaya, Francom ontwikkelde een statistisch model dat werd gebruikt om de output van de luchtconcentratie te analyseren die uit deze runs werd verkregen en schatte de parameters van de release.

Dit model, Bayesiaanse multivariate adaptieve regressiesplines (BMARS) genoemd, was het onderwerp van de dissertatie van Francom, die hij onlangs met succes verdedigde. BMARS is een zeer krachtig hulpmiddel voor het analyseren van simulaties zoals die verkregen door Simpson en Lucas. Omdat het een statistisch model is, het produceert niet alleen puntschattingen van hoeveelheden van belang, maar geeft ook een volledige beschrijving van de onzekerheid in deze schattingen, die cruciaal is voor de besluitvorming in het kader van rampenbestrijding. Bovendien, BMARS was bijzonder geschikt voor het grote aantal runs in dit probleem, omdat in vergelijking met de meeste statistische modellen die worden gebruikt voor het emuleren van computeruitvoer, het is veel beter in het verwerken van enorme hoeveelheden gegevens.

"We waren in staat om het omgekeerde probleem op te lossen om te vinden waar het materiaal vandaan komt op basis van de voorwaartse modellen en instrumenten in het veld, " zei Francom. "We zouden kunnen zeggen, 'het kwam uit dit gebied en het was over dit tijdsbestek en dit is hoeveel werd vrijgegeven.' Het belangrijkste is, we zouden dat redelijk nauwkeurig kunnen doen en een foutenmarge geven die is gekoppeld aan onze schattingen. Dit is een volledig probabilistisch raamwerk, dus onzekerheid werd bij elke stap gepropageerd."

Verrassend genoeg, de locatie die Francom's methode voorstelde, was in strijd met de informatie in technische rapporten van het experiment. Dit is nader onderzocht, die een discrepantie in de registratie van de coördinaten aan het licht bracht toen de test van 1986 werd uitgevoerd.

"Toen we teruggingen en naar de opnamelocatie van de release in 1986 keken, het leek niet te kloppen met de kwalitatieve beschrijving van de onderzoekers, " zei Francom. "Onze voorspelling suggereerde dat de kwalitatieve beschrijving van de locatie waarschijnlijker was dan de geregistreerde releaselocatie. Dat hadden we niet verwacht te vinden. Het was leuk om te zien dat we de mogelijke onnauwkeurigheid in de administratie konden vinden, en leer wat wij denken dat de ware locatie is via onze deeltjesverspreidingsmodellen en de statistische emulator."

"Deze analyse is een zeer krachtig voorbeeld van de natuurkundige modellen, statistische methoden, data en hedendaags computationeel arsenaal komen samen om zinvolle antwoorden te geven op vragen over complexe fenomenen, " zei Bulaevskaya. "Zonder al deze stukken, het zou onmogelijk zijn geweest om nauwkeurige schattingen van de afgiftekenmerken te verkrijgen en de mate van vertrouwen die we in deze waarden hebben correct te beschrijven."

Lucas zei dat de onderzoekers uiteindelijk een model zouden willen hebben dat snel kan werken, omdat in een echt evenement, ze zouden moeten weten wanneer en waar de release plaatsvond en hoeveel er meteen werd vrijgegeven. "Snelle emulators, zoals BMARS, geven ons de mogelijkheid om vrij snel schattingen van deze hoeveelheden te verkrijgen, " zei Lucas. "Als radiologisch materiaal in de atmosfeer terechtkomt en gedetecteerd wordt door sensoren voor de wind, de emulator zou informatie kunnen geven over gevaarlijke gebieden en mogelijk levens kunnen redden."

Francom gaat naar Los Alamos National Laboratory om zijn werk aan statistische emulators voor het analyseren van complexe computercodes voort te zetten. Lucas en Simpson, samen met Cameron-Smith en Baskett, een paper hebben over inverse modellering van Diablo Canyon-gegevens die wordt herzien voor het tijdschrift Atmosferische scheikunde en natuurkunde . Francom en co-auteurs hebben nog een paper ingediend, focussen op BMARS in dit probleem, aan een statistisch tijdschrift en ondergaat peer review.