中文摘要：

核事故气载放射性核素的大气扩散研究对于事故后果的科学评价非常重要。传统的方法通常基于源项信息和扩散参数等确定的条件下进行研究，而实际上源项组份、释放方式均未知，并且在复杂天气状况下的真实扩散参数与实验得到的数值并不一致，导致事故后果难以得到科学的评价。本研究拟采用数据同化技术进行源项反演和参数估计，基于核事故气载放射性核素的异构监测数据，研究数据耦合方法，建立核事故源项及气载放射性核素的数值分析系统，探索观测场、源项、风场、模式等物理参数的初值及误差对于数值分析系统的作用规律，建立核事故气载放射性核素参数自适应的大气扩散模型，实现对核事故气载放射性核素大气输运动力学过程的科学评价和估计。

结论摘要：

2011年福岛核事故为世界核电的发展提出了更高的要求，随着我国核电事业的发展，核事故后果评价技术的需求越来越迫切。在核事故发生时应急机构应当准确估计核事故释放核素的大气扩散过程，得到气载放射性核素在地表的浓度分布，为缓解事故危害提供决策支持。福岛核事故中，由于堆芯损伤的程度难以判断，导致事故后果评价的准确性受到质疑。本项目以放射性核素在大气中的迁移为基础，通过反演方法、参数估计理论和实验研究，建立能够准确描述核事故源项扩散行为的参数自适应模型。在探测值不确定性大的条件下进行核事故源项反演建模，提高源项反演的精度。本项目建立的SJTUPUFF大气扩散模型实现了复杂气象下的中小尺度核事故大气扩散比较准确的预测。核心算法采用烟团模型，能够处理多点源源项的分析模拟，并具有源项反演模块，经过数值模拟和实验结果的验证，准确性良好，可以应用于国内外核电厂环境评价。以烟团模型为基础，采用遗传算法和集合卡尔曼滤波方法针对源项和输运模型参数建立了参数自适应的大气扩散模型，探索了模型误差和观测误差对同化过程的影响规律，进行了模型的数值稳定性研究。结果表明，遗传算法和集合卡尔曼滤波方法均能够较好的估计扩散参数；基于研究发现大气扩散系数具有稳定性性质，根据这一特点采用平滑方法改进参数估计，提高了大气扩散系数自适应估计的精度。基于集合卡尔曼滤波方法建立了源项释放率的反演模型，提出了源项释放率是随机游走过程的假设，通过数值实验验证了该假设的正确性，并利用Kincaid示踪实验对反演模型的准确性进行了分析，研究表明集合卡尔曼滤波相对于比例缩放模型，准确性不受到累计的观测误差的影响，只与整体的观测质量有关，在观测误差不确定性大的情况下能够最大限度地消除观测误差带来的影响。建立了核电厂源项反演系统，通过对于环境剂量率的分析和采样能谱的分析，基于支持向量机方法建立了剂量率上升的分类模型，提高了监测数据的准确性，反演模型能够对核电厂事故源项的组分、释放率进行反演，实验验证表明该方法准确性高，对具有较大观测误差的情况适应性好。该系统已应用到国内核电厂的事故应急决策支持系统中。