Development of event progression inference model under a severe accident condition in a nuclear power plant using a machine learning and surrogate model

本研究では原子力発電所の重大事故発生時、不確かさが多い中、大体統計モデルと機械学習を用いた事象進展予測モデルを構築する目的とする。事象進展を予測することは、ベイズ推定を利用した逆推論を行うことで、システムから観測されるデータが、機械学習および大体統計モデルによって作られた尤度関数からどれほど離れたかに着目することで、そのデータが観測された際の元のシナリオを推論することで、事象進展を予測することが可能である。本年度の研究では、ベイズ推論を用いた異常検知および異常発生時の真のシナリオを推定するモデルを構築し、モデルの妥当性評価および精度検証を行なった。検証に使われたのは、理論的な支配方程式が容易に導ける原子炉建屋を模擬した多質点系応答解析モデルを構築し、系を構成するバネおよびダンバーの性能変化が発生した際、異常の有無、さらには性能変化を逆推論する課題について評価を取り組んだ。３層体型に関する評価の結果、バネ係数の変化について正常値から10%減少から50％減少までの10％刻みの５つのシナリオを準備し、異常有無、シナリオ推定を実施した結果、いずれも真の状態を推定することができることが確認できた。研究で元々予定していたのは、シビアアクシデントコードを用いた重大事故発生時のシステムの挙動に関する検討ではあったが、大学レベルで使用可能なシビアアクシデントコードの入手が困難な状況であるため、今年度は使用可能な解析コードを使って、関連検討を行う計画である。

本研究では原子力発電所の重大事故発生時、不確かさが多い中、大体統計モデルと機械学習を用いた事象進展予測モデルを構築する目的とする。事象進展を予測することは、ベイズ推定を利用した逆推論を行うことで、システムから観測されるデータが、機械学習および大体統計モデルによって作られた尤度関数からどれほど離れたかに着目することで、そのデータが観測された際の元のシナリオを推論することで、事象進展を予測することが可能である。本年度の研究では、ベイズ推論を用いた異常検知および異常発生時の真のシナリオを推定するモデルを構築し、モデルの妥当性評価および精度検証を行なった。検証に使われたのは、理論的な支配方程式が容易に導ける原子炉建屋を模擬した多質点系応答解析モデルを構築し、系を構成するバネおよびダンバーの性能変化が発生した際、異常の有無、さらには性能変化を逆推論する課題について評価を取り組んだ。３層体型に関する評価の結果、バネ係数の変化について正常値から10%減少から50％減少までの10％刻みの５つのシナリオを準備し、異常有無、シナリオ推定を実施した結果、いずれも真の状態を推定することができることが確認できた。研究で元々予定していたのは、シビアアクシデントコードを用いた重大事故発生時のシステムの挙動に関する検討ではあったが、大学レベルで使用可能なシビアアクシデントコードの入手が困難な状況であるため、今年度は使用可能な解析コードを使って、関連検討を行う計画である。