適當(dāng)?shù)拇髿鈹U(kuò)散模型對(duì)于核電廠(chǎng)假想事故的后果評(píng)價(jià)是必要的,對(duì)其進(jìn)行參數(shù)不確定性分析對(duì)于提高模型預(yù)測(cè)的可信度具有重要的意義。相比于傳統(tǒng)的不確定性分析方法,貝葉斯方法充分考慮了已有的觀(guān)測(cè)數(shù)據(jù),馬爾科夫鏈蒙特卡羅方法(Markov Chain Monte Carlo,MCMC)可以方便地將貝葉斯方法和高斯煙羽模型相結(jié)合。首先使用一次改變一個(gè)變量值的方法分析模型對(duì)幾個(gè)重要參數(shù)的敏感性,然后選擇敏感性最大的兩個(gè)參數(shù)使用貝葉斯MCMC方法進(jìn)行了不確定性分析。通過(guò)分析MCMC樣本序列,得到了觀(guān)測(cè)值的最優(yōu)擬合及模擬結(jié)果的置信區(qū)間。貝葉斯方法能獲得更可靠的置信區(qū)間,從而為事故后應(yīng)急響應(yīng)提供更好的參考數(shù)據(jù)。

【文章頁(yè)數(shù)】：7 頁(yè)

【文章目錄】：
1 高斯煙羽模型及其敏感性分析
    1.1 理論模型
    1.2 參數(shù)敏感性分析
2 貝葉斯MCMC方法
    2.1 貝葉斯基本理論
    2.2 MCMC方法
3 高斯煙羽模型不確定性分析
    3.1 獲得觀(guān)測(cè)資料
    3.2 似然函數(shù)
    3.3 MCMC方法應(yīng)用于高斯煙羽模型
        3.3.1 確定先驗(yàn)分布
        3.3.2 MCMC抽樣
    3.4 樣本序列分析
4 結(jié)語(yǔ)



本文編號(hào)：3872506