Metoda za lokalno napovedovanje radiološkega onesnaženja atmosfere z uporabo modelov na podlagi Gaussovih procesov

Vodja projekta:

prof. dr. Juš Kocijan

Trajanje:

1.5.2017 - 30.4.2020

Financiranje:

ARRS - Agencija za raziskovalno dejavnost Republike Slovenije, L2 - 8174 (B), s sofinanciranjem REODOM rešitve za odložljiva omrežja d.o.o.







Povzetek:

Nesreči v Černobilu in v Fukušimi sta pokazali, da je širjenje radioaktivnega onesnaženja v ozračju najpomembnejši način, kako taka nevarnost doseže množice prebivalcev. Zato v tem projektu predlagamo razvoj inovativne metode modeliranja napovedi tega širjenja, ki bo dovolj dobro že dan ali dva vnaprej pokazalo razvoj dogodka. S tem bomo bistveno izboljšali učinkovitost ukrepanja za varovanje prebivalstva. To bomo dosegli z uporabo modelov na podlagi Gaussovih procesov (GP).

Model na podlagi GP je verjetnostni, neparametrični model, ki temelji na pravilih bayesovske verjetnosti. Od drugih metod za identifikacijo na podlagi črne škatle se razlikuje po tem, da v postopku modeliranja ne optimiziramo parametrov vnaprej izbranih baznih funkcij, ampak iščemo povezave med merjenimi podatki. Na izhodu modelov na podlagi GP dobimo napoved v obliki normalne distribucije, ki jo lahko izrazimo z njeno srednjo vrednostjo in varianco. Metoda modeliranja na podlagi GP je posebej primerna za kompleksne, nelinearne procese, opisane z negotovimi in manjkajočimi podatki.

Meteorološko stanje atmosfere je prav tak zapleten proces. Za pravilno ukrepanje ob jedrski nesreči potrebujemo čim boljšo napoved, kam bo radioaktivni oblak odneslo. Pri tem modeliranju je veliko pomembnih korakov v znanosti že dovolj dobro rešenih. Odprto pa še vedno ostaja napovedovanje vhodnih signalov o atmosferskih spremenljivkah, ki so ključne za širjenje. V predlaganem projektu ne bomo lokalno napovedovali in sproti izboljševali neposredno vrednosti koncentracij radionuklidov v ozračju, ampak vrednosti signalov, ki popisujejo prihodnje meteorološko dogajanje v obravnavanem 3D področju. To so predvsem signali hitrosti vetra, turbulentnosti, globalnega sončnega sevanja itd., vse v 3D področju.

Cilj raziskave je izdelati napoved vrednosti signalov, ki popisujejo 3D stanje atmosfere v okolici jedrske elektrarne, ki bo znatno boljša kot obstoječa napoved. S tem bomo omogočili boljšo napoved koncentracij radionuklidov v ozračju kot posledice razvoja nezgodnega dogodka z izpustom v ozračje.

Ker imamo v okolici jedrskih elektrarn predpisane zmogljive meteorološke merilne sisteme, imamo na voljo veliko množico meritev. Te popisujejo zgodovinski razvoj vremena. Vse te informacije, ki jo meritve zgodovine signalov o stanju atmosfere nosijo, pa lahko uporabimo za modelsko izboljševanje napovedi vrednosti teh signalov. Ocenjujemo, da lahko z metodami na podlagi GP iz zgodovine meritev in meteoroloških napovedi zgradimo modele za natančne napovedi ciljnih signalov, ki bodo vhod za pravilno in realistično ponazoritev razvoja širjenja radioaktivnega oblaka v prihodnosti ob morebitni nesreči. Te napovedi pa so ključne za pravočasno, ustrezno in učinkovito varovanje prebivalcev, še preden se nesreča v polnosti razvije.

Z naprednimi metodami na podlagi GP si obetamo bistveno izboljšanje napovedi, saj so se zelo dobro izkazale na sorodnem področju modeliranja onesnaženja z ozonom v atmosferi. Obetamo si tudi izboljšanje metodologije identifikacije z modeli na podlagi GP za probleme z zelo veliko podatki, s periodičnimi signali in prostorskočasovnim modeliranjem. Problem identifikacije dinamičnih sistemov smo zastavili kot fuzijo signalov iz raznovrstnih podatkovnih virov v želeno napoved. Pri tem je zelo pomembna zagotovljena stabilnost dobljenih modelov.

Celotna predlagana metoda izboljšav napovedi vremena, uporabljene za širjenje z radionuklidi onesnaženega oblaka, je pomembna novost pri zagotavljanju varnosti v primeru jedrskih nesreč, kar je potrdila tudi Mednarodna agencija za atomsko energijo IAEA, ki je naš predlog možnosti uporabe teh napovedi vključila kot ključno novost v svoj program MODARIA II v segmentu atmosferskega modeliranja.

Faze projekta:
  1. Vrednotenje meteoroloških napovedi in odkrivanje ključnih pomanjkljivosti za modeliranje disperzije onesnaženja. (Ocenjena stopnja uresničitve: 100 %)
  2. Vrednotenje različnih metod modeliranja na podlagi GP za identifikacijo modelov uporabnih za napovedovanje obravnavanih spremenljivk. (Ocenjena stopnja uresničitve: 100 %)
  3. Izboljšave meteoroloških napovedi za ciljno področje v bližini jedrskih elektrarn z napovedmi modelov. (Ocenjena stopnja uresničitve: 100 %)
  4. Avtomatizacija nove metodologije v preizkusnem okolju za uporabnika NEK. (Ocenjena stopnja uresničitve: 100 %)

Sodelujoči partnerji:

Publikacije:


KOCIJAN, Juš, PERNE, Matija, MLAKAR, Primož, GRAŠIČ, Boštjan, BOŽNAR, Marija. Hybrid model of the near-ground temperature profile. Stochastic environmental research and risk assessment, ISSN 1436-3240, 2019, vol. 33, no. 11/12, 2019-2032, doi: 10.1007/s00477-019-01736-5.

CRISTEA, Irina Elena, KOCIJAN, Juš, NOVAK, Michal. Introduction to dependence relations and their links to algebraic hyperstructures. Mathematics, ISSN 2227-7390, 2019, vol. 7, iss. 10, 1-14, ilustr, doi: 10.3390/math7100885.

MLAKAR, Primož, KOKAL, Dragana, GRAŠIČ, Boštjan, BOŽNAR, Marija, GRADIŠAR, Dejan, KOCIJAN, Juš. Validation of meteorological forecasts in fine spatial and temporal resolution produced as an input for dispersion models. International journal of environment and pollution, ISSN 0957-4352, 2017, vol. 62, no. 2/4, 236-246, doi: 10.1504/IJEP.2017.10010378.


Napovedi vremenskih spremenljivk na področju NEK z umetnimi nevronskimi mrežami.