Contribution de V. WINIAREK, J. VIRA, M. BOCQUET, M. SOFIEV & O. SAUNIER:


Tests statistiques bayésiens pour la modélisation inverse opérationnelle suite à un rejet atmosphérique radioactif



Dans le cas d'un rejet accidentel de particules radioactives émanant d'une centrale nucléaire, les autorités ont besoin de prévisions précises et en temps réel des champs de concentrations de radionucléides afin de prendre les décisions adéquates. Or la précision des panaches prédits est fortement dépendante de l'estimation du terme source. Dans de nombreuses études académiques, y compris avec des données réelles, les méthodes d'assimilation de données et de modélisation inverse ont montré leur efficacité dans la reconstruction du terme source. Dans cette étude, une méthode semi-automatique est proposée pour la reconstruction séquentielle du panache, en implémentant un algorithme d'assimilation de données séquentiel basé sur la modélisation inverse. L'objectif est de proposer un système suffisamment simple pour une utilisation opérationnelle, sans perdre en efficacité. Les performances du système ont été testées à travers une inter-comparaison des situations française et finlandaise. Deux modèles de dispersion ont été utilisés: Polair3D et SILAM, développés dans deux centres de recherche différents. Différentes localisations de rejet, de même que différentes situations météorologiques ont été testées. Les réseaux de surveillance existants et prévus pour un déploiement futur ont été utilisés et des erreurs d'observation importantes et réalistes ont été introduites. Bien que ces erreurs d'observation présentent en moyenne un biais non-nul, le système d'assimilation de données proposé permet d'atténuer le biais lors de la reconstruction de la source, améliorant les performances du système. De plus, dans le cas où la centrale responsable de l'accident n'est pas connue, des outils statistiques bayésiens et robustes ont été développés et testés pour départager les centrales suspectées.

up arrow