検索対象:     
報告書番号:
※ 半角英数字
 年 ~ 
 年

Geostatistical Analysis of Groundwater Chemistry in Japan; Evaluation of the Base Case Groundwater Data Set

我が国における地下水水質の統計学的解析; 基本ケース地下水データセットを用いた解析例

PATRICIA F SALTE*; 笹本 広   ; Apted, M. J.*; 油井 三和

PATRICIA F SALTE*; Sasamoto, Hiroshi; Apted, M. J.*; Yui, Mikazu

本報告書は、高レベル放射性廃棄物地層処分システムの性能評価において重要となる地質環境条件の一つである地下水水質に関して、統計学的手法に基づき地下水タイプの分類を検討した内容をまとめたものである。これまでに、我が国における地下水水質を概略的に把握するため、既存の文献などから、約15,000件にのぼる地下水データが収集された。高レベル放射性廃棄物の地層処分において、地下水の化学的特性は、放射性元素の溶解度、核種の吸着挙動、オーバーパックの腐食、緩衝材(圧縮ベントナイト)の特性・挙動やその他の性能評価上重要な因子に影響を与えるため重要である。そのため、いくつかの典型的な地下水タイプへの分類を行うことができれば、ジェネリックな性能評価を行う上で、妥当なモデル・データを確立することができると考えられるため重要である。今回の検討では、約15,000件にのぼる地下水データをもとに、典型的な深部地下水タイプへの分類を試みるにあたり、統計学的手法の一つである主成分分析(PCA)を用いた。PCAは、因子分析や固有分析に類似した多変量解析法の一つであり、元の多くの変数から、より少ない変数でデータをデータを最大限に表示できる新たな成分(主成分)を導き出すことができる。また、PCAでは、導出された主成分をもとに、データセットの全ての変数を考慮しながら、データ間の類似性や差異を図示的に調べることができる。さらに、データ間の類似性を把握できる階層的クラスター分析(HCA)も主成分分析と共に用いた。HCAは、データのグルーピングを行い、デンドログラムの形で表示することができる。Pirouetteは、この様なPCA/HCA解析を行うことができる統計学的解析のためのソフトウェアパッケージである。約15,000件の地下水データセットから、採水深度や地下水温の情報を有するデータを選定し、7140件のデータが抽出された。次に、これらのデータから、我が国における平均的な地温勾配の値および採水深度の情報をもとに、温泉地域や地熱地域など地下増温率の高い地域のデータをスクリーニングした。その結果、880件のデータがスクリーニングされた。これらのデータは「火山シナリオ」解析用のデータセットとして位置づけた。一方、残ったデータについては、採水深度の情報をもとに、深度200m以浅/深度200m以深のデータセットに区分

The groundwater chemistry is one of important geological environment for performance assessment of high level radioactive disposal system. This report describes the results of geostatistical analysis of groundwater chemistry in Japan. Over 15,000 separate groundwater analyses have been collected of deep Japanese groundwaters for the purpose of evaluating the range of geochemical conditions for geological radioactive waste repositories in Japan. The significance to issues such as radioelement solubility limits, sorption, corrosion of overpack, behavior of compacted clay buffers, and many other factors involved in safety assessment. It is important therefore, that a small, but representative set of groundwater types be identified so that defensible models and data for generic repository performance assessment can be established. Principal component analysis (PCA) is used to categorize representative deep groundwater types from this extensive data set. PCA is a multi-variate statistical analysis technique, similar to factor analysis or eigenvector analysis, designed to provide the best possible resolution of the variability within multi-variate data sets. PCA allows the graphical inspection of the most important similarities (clustering) and differences among samples, based on simultaneous consideration of all variables in the dataset, in a low dimensionality plot. It also allows the analyst to determine the reasons behind any pattern that is observed. In this study, PCA has been aided by hierarchical cluster analysis (HCA), in which statistical indices of similarity among multiple samples are used to distinguish distinct clusters of samples. HCA allows the natural, a priori, grouping of data into clusters showing similar attributes and is graphically represented in a dendrogram Pirouette is the multivariate statistical software package used to conduct the PCA and HCA for the Japanese groundwater dataset. An audit of the initial 15,000 sample dataset on the ...

Access

:

- Accesses

InCites™

:

Altmetrics

:

[CLARIVATE ANALYTICS], [WEB OF SCIENCE], [HIGHLY CITED PAPER & CUP LOGO] and [HOT PAPER & FIRE LOGO] are trademarks of Clarivate Analytics, and/or its affiliated company or companies, and used herein by permission and/or license.