Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Ipari katasztrófák nyomában 11. előadás1 Monte-Carlo módszerek.

Hasonló előadás


Az előadások a következő témára: "Ipari katasztrófák nyomában 11. előadás1 Monte-Carlo módszerek."— Előadás másolata:

1 Ipari katasztrófák nyomában 11. előadás1 Monte-Carlo módszerek

2 Ipari katasztrófák nyomában 11. előadás2 A MC szimuláció egy általános célú hibaterjedést modellező eljárás. A PRA- ban-elvileg- az üzem minden tulajdonságát modellezni lehet. Ehhez pontosan kell ismerni az üzem szerkezetét, működésének, meghibásodásainak lehetséges módjait. A szimuláció input adatai: a meghibásodások módjai a meghibásodások valószínűségei az üzem hibafája (a részegységek lehetséges állapotai, az állapotok közötti átmenetek módjai, azok valószínűségei, egy adott jelenség előfordulásának gyakorisága A fenti inputokat a PRA irodalom megfigyelésnek (observation) nevezi. A megfigyelések együttese egy statisztikai mintát alkot, az meghatározza az outputváltozókat. Realisztikus modellek esetén a probléma nem tesz lehetővé realisztikus modellezést, ezért egyszerűsítésekhez kell folyamodni. Az outputváltozó(k) meghibásodási gyakoriságok. Problémás az input adatok eloszlásának meghatározása, erre gyakran mérnöki közelítéseket használnak.

3 Ipari katasztrófák nyomában 11. előadás3 Kulcskérdés az inputadatok kiválasztásának módja. Erre a véletlen minta vagy a latin négyzet eljárás használatos. Véletlen minta esetén a MC modellezés az alábbi lépésekből áll: Az inputváltozók eloszlásának meghatározása. Szükség lehet egyes változók együttes eloszlásának meghatározására. Véletlenszerűen kiválasztjuk az aktuális inputváltozókat. Itt már a korrelációkat, statisztikus függéseket is figyelembe kell venni. Az üzemet modellező számításokat el kell végezni az adott inputtal. Annyi inputtal kell a számítást elvégezni, hogy az outputok valószínűség- sűrűségét becsülni lehessen. (Boot-strap) Minimális igény: várható érték és szórás. A módszer előnyei: Flexibilitás az input megválasztásában Az output eloszlása tetszőlegesen pontosítható (határt szab a számábrázolás és az idő) A módszer könnyen megvalósítható.

4 Ipari katasztrófák nyomában 11. előadás4 Expert judgement Körülmények, amelyek igénylik Ej-t Formális eljárások a valószínűségek kiderítésére Pszichológiai tényezők, amelyek befolyásolják Ej-t Kritériumok a val.ségek értékeléséhez Ej-k kombonálása

5 Ipari katasztrófák nyomában 11. előadás5 Mikor van szükség Ej-re? Több, esetleg ellentmondó információt, amelyek más- más forrásból származnak, az Ej össze tud békíteni Van olyan info, ami fontos a PRA-ban, de nem alkalmazható közvetlenül a PRA-ban (pl. más reaktortípusok tapasztalata) A kísérleti adatokat értelmezni kell. Példa: konténment modellkísérletek, hulladéktároló.) Ha nincs kísérleti adat, analógiák, fizikai elvek alapján pótolhatóak. Kiemelten fontos Ej ha az input erősen hat az eredményre vagy, ha interdiszciplináris megközelítésre van szükség.

6 Ipari katasztrófák nyomában 11. előadás6 Formális eljárás (Ej) A vizsgált kérdések kiválasztása és pontos meghatározása A szakértők kiválasztása (hozzáértés, publikációk, fokozatok, bizonyítványok, beosztás, kitüntetések) Készség a részvételre A problémakör ismerete Pártatlanság (gazdasági érdekek, személyes érdekek és a lehetséges megállapítások) Többféle nézőpont bevonása

7 Ipari katasztrófák nyomában 11. előadás7 A végeredmény A feladatok részei és annak dekompozíciója Egyedi kvantitatív döntések (eloszlásfüggvények alakja, változók tartománya) A PRA végeredménye egyedi vagy összesített Ej-k formájában A témákat, módszereket, eredményeket, az indokokat dokumentálni kell.

8 Ipari katasztrófák nyomában 11. előadás8 Kódok szintű PRA-hoz Program: EVNTRE Forrás: Sandia National Lab Leírás: nagy eseményfák kezelésére készült. Program: Source Term Code Package (STCP) Forrás: Battelle Comunbus Division Leírás: elkülönítve fejlesztett programok együttese, a súlyos baleset fejlődését írja le.

9 Ipari katasztrófák nyomában 11. előadás9 Kódok szintű PRA-hoz Program: MELCOR Forrás: Sandia Nat. Lab. Leírás: az NRC determinisztikus súlyos baleseti modellje. Program: MAAP Forrás: Fauske and Associates Leírás: A nukleáris ipar által kifejlesztett kód, az STCP alternatívája. Integrált számításokra is alkalmas. Sokkal kisebb, mint MELCOR. Fizetős.

10 Ipari katasztrófák nyomában 11. előadás10 Kódok szintű PRA-hoz Program: CRAC2 Forrás: Sandia Nat. Lab Leírás: súlyos baleset következményeinek elemzésére dolgozták ki. Utódja MACCS már alkalmas az egészségügyi következmények elemzésére. Program: CRACIT Forrás: Pickard, Lowe, and Garrick Leírás: Reaktorbaleset következményeinek számítása. Időjárás beépíthető.

11 Ipari katasztrófák nyomában 11. előadás11 Kódok szintű PRA-hoz Program: MACCS Forrás: Sandia Nat. Lab Leírás: Súlyos baleset következményeinek elemzése. A fő jelenség: légköri transzport, dózis akkumukláció táplálékláncon át Program: COSYMA Forrás: Commission of European Community Leírás: PRA kód, súlyos baleset következményeinek vizsgálata Program: UFOMOD Forrás: Kernforschungszentrum Karlsruhe Leírás: Súlyos baleset következményeinek elemzése


Letölteni ppt "Ipari katasztrófák nyomában 11. előadás1 Monte-Carlo módszerek."

Hasonló előadás


Google Hirdetések