SharePoint
Aide
Faire avancer la sûreté nucléaire

La Recherchev2

Thèses en cours

Développement d'outils d'aide au diagnostic et au pronostic en contexte d'accident nucléaire grave

Fermer

Authentification

Email :

Mot de passe :

Laboratoire d'accueil : ​Laboratoire d’étude du corium et du transfert des radioéléments (LETR)

Date de début de thèse : octobre 2015

Nom du doctorant : Thi Phuong Anh Mac


​Descriptif du sujet

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.