In caso di rilascio radiologico accidentale da un reattore di una centrale nucleare o da un impianto industriale, rintracciare il pennacchio aereo di radiazioni alla sua fonte in modo tempestivo potrebbe essere un fattore cruciale per i soccorritori, valutatori e investigatori del rischio.

Utilizzando i dati raccolti durante un esperimento di tracciamento atmosferico tre decenni fa presso la centrale nucleare di Diablo Canyon sulla costa centrale della California, decine di migliaia di simulazioni al computer e un modello statistico, i ricercatori del Lawrence Livermore National Laboratory (LLNL) hanno creato metodi in grado di stimare la fonte di un rilascio atmosferico con maggiore precisione rispetto a prima.

I metodi incorporano due modelli informatici:il modello US Weather Research and Forecasting (WRF), che produce simulazioni di campi eolici, e il modello di dispersione comunitario FLEXPART, che prevede pennacchi di concentrazione in base al tempo, quantità e luogo di rilascio. Utilizzando questi modelli, gli scienziati atmosferici Don Lucas e Matthew Simpson del National Atmospheric Release Advisory Center (NARAC) di LLNL hanno eseguito simulazioni sviluppate per scopi di sicurezza nazionale e risposta alle emergenze.

Nel 1986, per valutare l'impatto di un possibile rilascio radioattivo presso l'impianto di Diablo Canyon, Pacific Gas &Electric (PG&E) ha rilasciato un gas non reattivo, esafluoruro di zolfo, nell'atmosfera e recuperato i dati da 150 strumenti collocati presso la centrale e l'area circostante. Questi dati sono stati messi a disposizione degli scienziati LLNL, offrendo loro una rara e preziosa opportunità di testare i loro modelli computazionali confrontandoli con dati reali.

"Occasionalmente, i modelli che utilizziamo in NARAC sono in fase di sviluppo e dobbiamo testarli, " Lucas ha detto. "Il caso Diablo Canyon è un punto di riferimento che possiamo utilizzare per mantenere i nostri strumenti di modellazione nitidi. Per questo progetto, abbiamo usato i nostri modelli meteorologici all'avanguardia e abbiamo dovuto riportare indietro l'orologio agli anni '80, utilizzando i vecchi dati meteorologici per ricreare, come meglio potevamo, le condizioni in cui sono stati eseguiti. Stavamo scavando tutti i dati, ma anche farlo non era sufficiente per determinare gli esatti modelli meteorologici in quel momento."

A causa della complessa topografia e del microclima che circondano il Diablo Canyon, Luca ha detto, l'incertezza del modello era alta, e lui e Simpson dovettero ideare grandi insiemi di simulazioni usando modelli meteorologici e di dispersione. Nell'ambito di un recente progetto di ricerca e sviluppo diretto da laboratorio (LDRD) guidato dallo scienziato in pensione LLNL Ron Baskett e dallo scienziato LLNL Philip Cameron-Smith, hanno corso 40, 000 simulazioni di pennacchi, alterando parametri come vento, luogo del rilascio e quantità di materiale, ognuno impiega circa 10 ore per essere completato.

Uno dei loro obiettivi principali era ricostruire l'importo, il luogo e l'ora del rilascio quando il tempo è incerto. Per migliorare questa capacità di modellazione inversa, hanno arruolato l'aiuto di Devin Francom, un Lawrence Graduate Scholar nel Applied Statistics Group presso LLNL. Sotto la direzione di Bruno Sanso nel Dipartimento di Statistica dell'UC Santa Cruz, e il suo mentore e statistico LLNL Vera Bulaevskaya, Francom ha sviluppato un modello statistico che è stato utilizzato per analizzare l'uscita di concentrazione dell'aria ottenuta da queste corse e ha stimato i parametri del rilascio.

Questo modello, chiamate spline di regressione adattativa multivariata bayesiana (BMARS), fu oggetto della tesi di Francom, che ha recentemente difeso con successo. BMARS è uno strumento molto potente per l'analisi di simulazioni come quelle ottenute da Simpson e Lucas. Poiché è un modello statistico, non si limita a produrre stime puntuali di quantità di interesse, ma fornisce anche una descrizione completa dell'incertezza in queste stime, che è cruciale per il processo decisionale nel contesto della risposta alle emergenze. Inoltre, BMARS era particolarmente adatto per il gran numero di esecuzioni in questo problema perché rispetto alla maggior parte dei modelli statistici utilizzati per emulare l'output del computer, è molto meglio gestire enormi quantità di dati.

"Siamo stati in grado di risolvere il problema inverso di trovare da dove proviene il materiale in base ai modelli avanzati e agli strumenti sul campo, " disse Francom. "Potremmo dire, 'è venuto da questa zona ed è stato oltre questo lasso di tempo e questo è quanto è stato rilasciato.' Più importante, potremmo farlo in modo abbastanza accurato e dare un margine di errore associato alle nostre stime. Questo è un quadro completamente probabilistico, così l'incertezza è stata propagata ad ogni passo del cammino."

Sorprendentemente, la posizione suggerita dal metodo di Francom era in conflitto con le informazioni contenute nei rapporti tecnici dell'esperimento. Questo è stato approfondito, che ha rivelato una discrepanza nella registrazione delle coordinate quando è stato eseguito il test del 1986.

"Quando siamo tornati indietro e abbiamo guardato la posizione registrata dell'uscita del 1986, non sembrava corrispondere alla descrizione qualitativa dei ricercatori, " ha detto Francom. "La nostra previsione suggeriva che la descrizione qualitativa del luogo fosse più probabile rispetto al luogo di rilascio registrato. Non ci aspettavamo di trovarlo. È stato bello vedere che potevamo trovare la possibile imprecisione nei registri, e apprendiamo quale pensiamo sia la vera posizione attraverso i nostri modelli di dispersione delle particelle e l'emulatore statistico".

"Questa analisi è un esempio molto potente dei modelli fisici, metodi statistici, dati e arsenale computazionale moderno che si uniscono per fornire risposte significative a domande che coinvolgono fenomeni complessi, " Bulaevskaya ha detto. "Senza tutti questi pezzi, sarebbe stato impossibile ottenere stime accurate delle caratteristiche di rilascio e descrivere correttamente il grado di fiducia che abbiamo in questi valori."

Lucas ha detto che alla fine i ricercatori vorrebbero avere un modello che possa funzionare rapidamente perché in un evento reale, avrebbero bisogno di sapere quando e dove è avvenuto il rilascio e quanto è stato rilasciato immediatamente. "Emulatori veloci, come BMARS, ci danno la possibilità di ottenere stime di queste quantità piuttosto rapidamente, " ha detto Lucas. "Se il materiale radiologico viene rilasciato nell'atmosfera e rilevato dai sensori sottovento, l'emulatore potrebbe fornire informazioni sulle aree pericolose e potrebbe potenzialmente salvare vite umane."

Francom si trasferirà al Los Alamos National Laboratory per continuare il suo lavoro sugli emulatori statistici per l'analisi di codici informatici complessi. Luca e Simpson, insieme a Cameron-Smith e Baskett, avere un articolo sulla modellazione inversa dei dati di Diablo Canyon che è in fase di revisione per la rivista Chimica e fisica dell'atmosfera . Francom e i coautori hanno presentato un altro documento, concentrandosi su BMARS in questo problema, a una rivista di statistica ed è in fase di revisione paritaria.