Characterisation of radioactive boundary wastes; A Bayesian solution

放射性廃棄物の境界条件における特性評価; ベイズ推定法による解決手法

Hiller, P.*; Pyke, C.*; 駒 義和  ; 大木 恵一

Hiller, P.*; Pyke, C.*; Koma, Yoshikazu; Oki, Keiichi

ベイズ統計は、その基本的な反復原理によりData Quality Objectives(DQO)によるアプローチを補足するものである。この方法は、廃棄物の特性評価において分析データが廃棄物に対する境界条件付近にある際、意思決定者に有用な情報を提供する。ベイズ統計によるt検定は、CL:AIRE(Contaminated Land: Ap-plications in Real Environments)が推奨する現行の統計的なアプローチと類似しているが、事前情報をより完全に活用し、開発中の知識に基づいて適用し得る試料採取戦略の導入を可能にするという利点がある。この反復的なアプローチは、採取する試料数の正当性をより完全に裏付けるものであり、従来からの統計的なアプローチよりも高い柔軟性をDQOチームに提供する。本報告では、英国の規制に基づいて開発された本手法を、福島第一原子力発電所から発生した廃棄物(伐採木)に適用し、特性評価の境界条件付近にある廃棄物に対する潜在的な利点を示すとともに、包括的なコンテクストにおいて放射性廃棄物の処分に関する意思決定を支援するため、どのように使用できるかを示す。

Bayesian statistics is complementary to the DQO approach due to their underlying iterative principles. For waste characterisation this provides an opportunity for greater information for decision makers when analytical data approaches a waste boundary. The Bayesian t-test is analogous to the current statistical approach advised by CL:AIRE with the benefit of more completely using Prior information and allowing for the introduction of adaptive sampling strategies based on developing knowledge. This iterative approach provides a more fully underpinned justification for sampling numbers and provides increased flexibility for the DQO team than the traditional statistical approach. Developed in a UK regulatory context and translated to fallen trees from the Fukushima Daiichi NPS, this paper demonstrates potential benefits of this methods for a waste nearing the characterisation boundary and shows how the approach can be used to support decision making on waste disposal in a global context.