|
|
Bayesian Methods for Optimization of Radiation Monitoring Networks
Šmídl, Václav ; Hofman, Radek
Release of radioactive material into the atmosphere is the last possible resort of any accident in a nuclear power plant. It is an extremely rare event, however with severe consequences for potentially many people living in proximity of the power plant. Awareness of radiation security has been increased after the Chernobyl accident, and almost every country is now equipped with monitoring network of on-line connected receptors continually measuring radiation levels. Initial configurations of the network were designed by experts using their experience.In this report, we are concerned with local scale modeling of less severe accident in the range of tens of kilometers from the nuclear power plant. Both the stationary and mobile groups will be discussed. The preferred model of uncertainty is the empirical density which will be assimilated with measurements using the sequential Monte Carlo methodology. We will discuss influence of various loss functions.
|
|
|
Application of Sequential Monte Carlo Estimation for Early Phase of Radiation Accident
Šmídl, Václav ; Hofman, Radek
The early phase of radiation accident is characterized by minimum number of measured data and high uncertainty in both atmospheric conditions and radiation situation. Our goal is to provide an accurate method of radiation situation assessment that is capable to respect the uncertainty and provide informative predictions of its evolution for the involved decision makers. We propose a state space model based on atmospheric dispersion model, numerical weather model with local corrections and random walk on the model corrections and release evolution. This model is highly nonlinear and is estimated using sequential Monte Carlo. Since the model is significantly more complex that previously considered models and its estimation with naive proposal densities become too computationally demanding. We propose to construct a proposal density using problem specific simplification followed by application of the Laplace approximation. Properties of the resulting estimation procedure are illustrated on a twin experiment.
|
|
|
Data assimilation methods for early and late phase of radiation accident - A comprehensive review with examples of methods examined within solution of the grant projet VG20102013018
Hofman, Radek ; Pecha, Petr ; Šmídl, Václav
The task of the decision support in the case of a radiation accident is to provide up-to-date information on the radiation situation, prognosis of its future evolution and possible conse- quences. The reliability of predictions can be significantly improved using data assimilation, which refers to a group of mathematical methods allowing an efficient combination of ob- served data with a numerical model. The concerns application of the advanced data assimilation methods in the field of radiation protection. We focus on assessment of off-site consequences in the case of a radiation accident when radionuclides are released into the environment. In this report we present a comprehensive review of data assimilation evaluated for pur- poses of inclusion into the data assimilation and decision support system ASIM developed within the grant project VG20102013018 provided by the Ministry of the Interior of the Czech Republic.
|
|
|
Variational Bayes in Distributed Fully Probabilistic Decision Making
Šmídl, Václav ; Tichý, Ondřej
We are concerned with design of decentralized control strategy for stochastic systems with global performance measure. It is possible to design optimal centralized control strategy, which often cannot be used in distributed way. The distributed strategy then has to be suboptimal (imperfect) in some sense. In this paper, we propose to optimize the centralized control strategy under the restriction of conditional independence of control inputs of distinct decision makers. Under this optimization, the main theorem for the Fully Probabilistic Design is closely related to that of the well known Variational Bayes estimation method. The resulting algorithm then requires communication between individual decision makers in the form of functions expressing moments of conditional probability densities. This contrasts to the classical Variational Bayes method where the moments are typically numerical.
|
|
|
Asimilace časoprostorového rozložení radionuklidů v časné fázi radiační nehody
Hofman, Radek ; Šmídl, Václav
Příspěvek pojednává o využití data asimilačních metod v časné fází radiační nehody. V případě úniku radioaktivních škodlivin do ovzduší se utvoří radioaktivní vlečka postupující nad terénem. Uniklé radionuklidy představují zdravotní riziko. Pro plánování a nastolení co nejefektivnějších protiopatření je nutná znalost budoucího časoprostorového vývoje distribuce radionuklidů v prostředí. Předpovědi se tvoří pomocí numerických disperzních modelů. Tyto modely mají mnoho vstupů a jejich výstupem je předpověd radiační situace pomocí radiologických veličin. Přesné hodnoty vstupních parametrů jsou často neznámé. To je dáno náhodným charakterem turbuletních procesů v atmosféře, nedostatkem informací o nehodě a zdrojovém členu atd. Subjektivní (expertní) volba vstupních parametrů může vyústit v chybné předpovědi na jejichž základě není možno plánovat efektivní protiopatření.
|
|
| |
|
| |
|
| |
|
|
Detekce lineární části Patlak-Rutlandova grafu
Šmídl, Václav
Detekce lineární části grafu je častým problémem při analýze dat. Konkrétně pro Patlak-Rutlandův graf je daný úkol důležitý pro správné vyhodnocení funkce ledvin ze scintigrafického vyšetření. Automatická metoda detekce byla navržena a testována na šestnácti sadách reálných medicínských dat.
|
|
|
O strukturách prediktorů umožňujících distribuované dynamické Bayesovské rozhodování
Šmídl, Václav
Distribuované adaptivní řízení spočívá v paralelním běhu několika adaptivních regulátorů, z nichž každý odhaduje svůj model a navrhuje valstní strategii řízení. Pokud by takový regulátor nevzal do úvahy přítomnost ostatních regulátorů, může dojít k nežádoucímu chování. V této práci se zabýváme Bayesovským přístupem k problému. Cílem je zjistit jaká struktura centralizovaného prediktoru umožňuje návrh distribuované strategie.
|
host ::
RSS.