基于贝叶斯MCMC方法的高斯烟羽模型不确定性分析

发布时间：2023-12-10 13:32

　　适当的大气扩散模型对于核电厂假想事故的后果评价是必要的,对其进行参数不确定性分析对于提高模型预测的可信度具有重要的意义。相比于传统的不确定性分析方法,贝叶斯方法充分考虑了已有的观测数据,马尔科夫链蒙特卡罗方法(Markov Chain Monte Carlo,MCMC)可以方便地将贝叶斯方法和高斯烟羽模型相结合。首先使用一次改变一个变量值的方法分析模型对几个重要参数的敏感性,然后选择敏感性最大的两个参数使用贝叶斯MCMC方法进行了不确定性分析。通过分析MCMC样本序列,得到了观测值的最优拟合及模拟结果的置信区间。贝叶斯方法能获得更可靠的置信区间,从而为事故后应急响应提供更好的参考数据。

【文章页数】：7 页

【文章目录】：
1 高斯烟羽模型及其敏感性分析
    1.1 理论模型
    1.2 参数敏感性分析
2 贝叶斯MCMC方法
    2.1 贝叶斯基本理论
    2.2 MCMC方法
3 高斯烟羽模型不确定性分析
    3.1 获得观测资料
    3.2 似然函数
    3.3 MCMC方法应用于高斯烟羽模型
        3.3.1 确定先验分布
        3.3.2 MCMC抽样
    3.4 样本序列分析
4 结语



本文编号：3872506