Final disposal of radioactive waste generated from Nuclear Power Plant (NPP) requires the detailed information about the characteristics and the quantities of radionuclides in waste package. Most of these radionuclides are difficult to measure and expensive to assay. Thus it is suggested to the indirect method by which the concentration of a Difficult-to-Measure (DTM) nuclide are determined using the correlations of concentration - it is called the scaling factor - between Easy-to-Measure (Key) nuclides and DTM nuclides with the measured concentration of the Key nuclide. In general, the scaling factor is determined using the log mean average method (LMA) and the regression method. These methods are adequate to apply most corrosion product nuclides. But in case of fission product nuclides and some corrosion product nuclides, the predicted values are not well matched with the measured values.
In this study, the ANN method is compared with the conventional SF determination method - the LMA and the regression method - for the improved SF determination. Before these comparisons, the sensitivity analysis for each ANN model is performed to determine the optimum size of hidden layers of ANN models. Moreover, the ensemble model, which combines the ANN model with the regression model, is compared with the original models to evaluate the applicability of the ensemble model in SF determination.
It is concluded that the ANN method is superior to the conventional SF determination method in some nuclides and the ensemble model can be used as the supplement of the original models.
원자력 발전소에서 발생하는 방사성폐기물은 폐기물의 물리적, 화학적 특성뿐만 아니라 폐기물 내에 존재하는 평가대상 핵종들에 대한 농도 및 방사능 정보가 명시되어야만 최종 처분이 가능하다. 하지만, 대부분의 방사성 핵종들의 경우, 측정이 어려울 뿐만 아니라 분석에 많은 비용이 든다. 그래서 제안된 방법이 척도인자 방법이다. 즉 측정이 어려운 방사성 핵종(DTM 핵종)의 농도와 측정이 수월한 핵종(Key 핵종)의 농도 사이의 상관관계(척도인자)를 도출하여, 측정된 Key 핵종의 농도를 통하여 DTM 핵종의 농도를 예측하게 된다. 척도인자를 도출하는 일반적 방법으로 로그 평균 방법(Log Mean Average: LMA) 과 회귀 방법(Regression)이 사용되고 있다. 하지만, 이 방법들을 이용할 경우, 핵분열 생성 핵종들과 일부의 부식 생성 핵종들에서는 예측한 값과 실제 측정한 값이 차이가 많이 난다는 것이 일반적으로 알려져 있다.
본 연구에서는, 척도인자 결정 방법론의 향상을 위해, 인공 신경망이론(Artificial Neural Network: ANN)을 이용한 모델과 기존 방법인 LMA 방법과 회귀 방법을 이용한 모델들을 비교하였다. 이 비교 전, ANN 모델의 최적의 은닉층의 크기를 정하기 위해, ANN 모델의 민감도 분석이 선행되었다. 또한, ANN 모델과 회귀 모델을 결합한 모델을 원래의 모델과 비교하여, 척도인자 결정론에서의 적용성을 평가하였다.
결론적으로, ANN 모델은 일부 핵종에서 기존 방법을 이용한 모델보다 뛰어나며, 결합 모델은 원래의 모델의 보완 모델로서 사용될 수 있다.
