扩展kalman滤波在核事故应急中的数据同化研究-中国指挥与控制学会.pdf

2013 中国指挥控制大会论文集 扩展 Kalman 滤波在核事故应急中的数据同化研究 王良瑜，张力军 (防化学院核防护系，北京 102205) 摘要：核事故发生后，预测辐射场演变是核事故应急工作的难题。数据同化方法在预测核事故辐射场演变中的应用，提高了 核事故辐射场预测的准确性。本文从理论上分别对传统模式与数据同化方法进行了研究，利用扩展 Kalman 滤波和辐射场演 变模式（OSCAAR ）相结合方式，对日本福岛核事故监测数据进行了数据同化实验，结果表明可将福岛核事故后烟羽阶段辐 射场预测的均方根误差减小近一个量级。 关键字：核事故 辐射场 数据同化 扩展 Kalman 滤波 0 引言 核事故辐射场演变预测是事故响应各个阶段应急决策的重要技术环节，准确描述辐射污染的时空分布 对处置决策和措施的制定至关重要。核事故发生后，放射性物质会逸出核设施，进入环境后受风场的作用 在大气中传输和扩散，形成不同程度的放射性污染。为了描述核事故辐射场演变机制，人们建立了各种数 学模式，但不论哪一种评估模式，都必须依赖特定的边界条件，如释放的放射性物质总量、核素组份、时 间特征、大气状态和环境特征等参数。然而，在许多情况下，要及时准确地获得这些全部信息几乎不可能， 为此，需要寻求某种合理的途径，在缺少源项数据和边界条件的情况下，也能给出满足一定精度的预测结 果。本文从“放射性污染后果实测数据是辐射场的忠实反映”这一假设出发，提出了基于数据同化理论进 行辐射场重建的方法，并利用福岛核事故 “后烟羽阶段”的监测数据，对建立的同化评价模型进行了验证， 使得污染后果预测的不确定度显著降低。 1 数据同化方法介绍 数据同化是把时间、空间和来源均不同的观测数据与辐射场演变模式相结合的数学方法，通过将观测 和模式纳入统一的分析和预报过程，使分析误差达到最小[1] 。为实现同化，需包括观测数据、辐射场演变模 式和数据同化算法三个要素。其中，模式初始状态值为初始场 [1] ；当次的模式预报结果将作为下次同化的 背景场；同化了观测数据和模式预报结果的分析值为分析场[1] 。 同化的思想和基本步骤是：(1)初始化。将观测数据（包括不同途径观测）同化到模式中生成初估场 。 (2)时间更新，模式向前预报，所得到的预报场将作为下次状态更新的背景场。(3)状态更新，用观测数据修 正背景场（模式预报）,得到分析场。如此反复，形成循环过程[2] 。根据数据同化原理，画出数据同化框图， 如图 1。 图1 数据同化框图 643 2013 中国指挥控制大会论文集 2 辐射场演变模式 核事故后在一定范围区域，通常放射性烟羽在几小时内通过该区域，即烟羽在该区域沉降结束。在地 面沉降的放射性核素决定了地面剂量率演变的初始状态。针对不同种类放射性核素和实地的环境条件，放 射性核素衰变带来的影响持续至事故后几周或若干年[3] 。切尔诺贝利事故分析表明，从长时间看，核事故释 放核素中 137Cs 对事故后果影响最重要，因而国际上把 137Cs 作为核事故后果评价的参考核素。 辐射场演变模式选用日本原子能研究所建立的 OSCAAR[4]模式，假定其它核素的长期影响相对 137Cs 并 不显著，所以认为 137Cs 的地面照射衰减公式包括了其他长半衰期核素的影响。其地面照射剂量率Dg (t ,s ) （单位Sv/h）随时间的变化关系为： D (t, s) SD(s) =×SF (s) ×L ×DF ×R(t)×E(t) g g (1) ln 2 ( ) exp