SharePoint
Aide
IRSN, Institut de radioprotection et de sûreté nucléaire

Search our site :

ok

Contact us :

ok
En Fr

Enhancing Nuclear Safety


Research

Theses in progress

Development of diagnosis and prognosis support tools in context of a severe nuclear accident


Host laboratory: ​Corium and Radioelement Transfer Research Laboratory (LETR)

Beginning of the thesis: October 2015

Student name: Thi Phuong Anh Mac



Subject description (in French)

Dans le contexte de gestion de crise, il est indispensable de disposer d’outils d’aide au
diagnostic et au pronostic des accidents nucléaires graves. Le projet européen FASTNET (Tool for the fast and reliable prediction of severe accident progression and anticipation of the source term of a nuclear accident), proposé par l’IRSN sur la base du retour d’expérience de l’accident de Fukushima, vise à développer un ensemble d’outils et de méthodes communs à ces deux tâches et implique des approches déterministes mais aussi, de manière plus exploratoire, probabilistes.

Ce travail de recherche s’intéresse aux méthodes probabilistes permettant de déterminer, à partir d’une liste d’observables, un scénario pouvant correspondre à la situation d’accident en cours de déroulement en lui associant un degré de crédibilité. Il se basera sur les réseaux bayésiens, une forme de représentation des connaissances issue de la théorie des graphes et de la théorie des probabilités. Un tel réseau est composé d’un graphe et des distributions de probabilités sous-jacentes : dans le cas d’une situation accidentelle, les noeuds du graphe représentent les variables physiques prises en compte et ses arcs, les liens entre elles.

La stratégie choisie pour ces méthodes est de ne pas produire un réseau bayésien a priori pouvant représenter un accident mais d’apprendre une structure de réseau à partir d’une base d’exemples de calculs générée avec ASTEC, le code de simulation d’accidents graves de l’IRSN. L’apprentissage automatique consiste ici à faire établir un résultat à la machine en lui présentant des exemples connus.

Un premier travail a permis de montrer la faisabilité de ce type d’approche en diagnostic d’accident nucléaire grave, malgré une grande difficulté d’application de l’état de l’art. Les réseaux bayésiens n’étant pas conçus initialement pour la modélisation des systèmes physiques complexes, des adaptations ont été apportées aux algorithmes existants afin de traiter le mélange des variables discrètes et continues ainsi que l’existence de relations déterministes.

Si les résultats se sont montrés encourageants sur des calculs d’accidents très simples, il reste encore à les transposer sur des cas plus complexes. D’autres aspects de l’accident sont ensuite à prendre en compte, notamment son évolution temporelle, grâce à l’apprentissage de réseaux bayésiens dynamiques. Enfin, la mise en oeuvre de l’inférence et de la validation/comparaison avec d’autres approches est importante afin d’aboutir à un ensemble complet de méthodes d’analyse.


Close

Send to a friend

The information you provide in this page are single use only and will not be saved.
* Required fields

Recipient's email:*  

Sign with your name:* 

Type your email address:*   

Add a message :

Do you want to receive a copy of this email?

Send

Cancel

Close

WP_IMPRIMER_TITLE

WP_IMPRIMER_MESSAGE

Back

Ok