The main task of probabilistic accident consequence analysis model is to predict the radiological situation and to provide a reliable quantitative data base for making decisions on countermeasures. The magnitude of accident consequence is depended on the characteristic of the accident and the weather coincident.
In probabilistic accident consequence analysis, it is necessary to repeat the atmoshperic dispersion calculation with several hundreds of weather sequences to predict the full distribution of consequences which may occur following a postulated accident release. It is desirable to select a representative sample of weather sequences from a meteolorogical record which is typical of the area over which the released radionuclides will disperse and which spans a sufficiently long period. The selection process is done by means of sampling techniques from a full year of hourly weather data characteristic of the plant site. In this study, the proposed Weighted importance sampling method selects proportional to the each bin size to closely approximate the true frequency distribution of weather condition at the site.
The Weighted importance sampling method results in substantially less sampling uncertainty than the previous technique. The proposed technique can result in improve confidence in risk estimates.
확률론적 사고 해석의 주요 목적은 원전 사고 후 방사선적 상황을 미리 예측하고, 사고 대처 방안을 결정하기 위해 신뢰할 수 있는 정량적 데이타를 구하는데 있다.
사고의 크기는 사고 특징 뿐만 아니라 동시에 발생한 기상조건에 따라서도 좌우된다. 따라서, 확률론적 사고 결말해석 과정에서는 가상사고에 따르는 사고 결과의 완전한 분포를 예측하기 위해서 수백개의 기상 시퀀스를 적용해서 대기확산 과정을 반복 계산한다.
이때, 방출지역, 즉 발전소 주변의 기상특성을 대표할 수 있는 기상 샘플링 방법론이 필요하다. 샘플링은 발전소의 기상탑에서 1년 동안 측정된 시간 단위의 기상 자료중에서 추출된다.
본 연구에서 제안된 Weighted importance sampling 방법론은 실제 사이트 주변의 기상특성에서 최대한 가깝게 근사하기 위해서 발생빈도에 비례해서 샘플링하는 방법론을 적용했다.
제안된 방법론을 확률론적 사고결말해석 코드인 MACCS code에 적용해서 평가한 결과 예전의 방법론들에 비해서 상당히 줄일 수 있었다.
따라서 제안된 방법론은 리스크 계산에 있어서의 신뢰도를 향상 시킬 수 있을 것이다.
