Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
丸山 修平; 遠藤 知弘*; 山本 章夫*
Journal of Nuclear Science and Technology, 60(11), p.1372 - 1385, 2023/11
被引用回数：1 パーセンタイル：68.31(Nuclear Science & Technology)A new estimation method of an unknown covariance, which is defined by the difference between the true covariance (the population covariance) and a prior covariance assumed by an analyst, is proposed. The unknown covariance is estimated using an empirical covariance consistent with the observed data. To estimate the unknown covariance, an unbiased and consistent estimator in regression analysis has been incorporated into the conventional cross-section adjustment. This estimator does not require assumptions for the probability distribution of the observation data. The statistical properties of this estimator were numerically verified. In addition, the effectiveness of the proposed method was confirmed by another numerical test using actual integral experimental data. In the second numerical test, the modeling uncertainty (covariance) due to the deterministic analysis method was assumed to be unknown. The results showed that the proposed method could practically estimate the unknown covariance and adjusted cross-sections using only prior information on covariances.
横山 賢治
EPJ Web of Conferences, 281, p.00004_1 - 00004_10, 2023/03
我が国では、炉定数調整法に基づく高速炉のための調整核データライブラリの開発を1990年代前半から行ってきた。この調整ライブラリは統合炉定数と呼ばれている。最初のバージョンは1991年に開発され、ADJ91と呼ばれている。近年では、マイナーアクチノイドや高次化プルトニウムの装荷された炉心の予測精度を向上させるために積分実験データの更なる拡張が行われた。2017年からこれらの積分実験データを使った統合炉定数ADJ2017の開発を開始し、2022年には現在最新となる統合炉定数ADJ2017Rが完成した。ADJ2017RはJENDL-4.0をベースに開発されており、619個の積分実験データが利用されている。これまでの開発経緯とともにこの最新版の概要について紹介する。一方で、2021年にはJENDL-5が公開された。JENDL-5の開発では、ADJ2017Rで利用された積分実験データの一部が、核データ評価のために利用された。しかしながら、このことは共分散データには反映されていない。JENDL-5に基づく統合炉定数を開発する際には、この状況を考慮する必要がある。本研究では、感度解析によって簡易的に評価した計算値と実験値の比(C/E値)を使って、JENDL-5に基づく予備的な炉定数調整計算を行った。この予備解析の結果についても議論する。
横山 賢治; 北田 孝典*
Proceedings of 2018 International Congress on Advances in Nuclear Power Plants (ICAPP 2018) (CD-ROM), p.1221 - 1230, 2018/04
複数の積分実験データの情報を核データ(炉定数セット)に反映して設計予測精度向上を図る手法として、炉定数調整法(CA), 拡張炉定数調整法(EA), 最小分散不偏推定に基づく炉定数調整法(MRCA), 次元削減炉定数調整法(DRCA)がある。これらの手法をMARBLEシステムに実装し、実規模の問題に適用した。すなわち、原子力機構で整備してきた約500種類に及ぶ高速炉核設計用の積分実験データベースを使って、代表的な次世代高速炉の核設計予測精度を評価した。この結果、いずれの手法も実規模の問題に適用可能であることを確認した。EAを適用する際には、設計対象炉心の詳細な仕様を決定しておく必要があるので、設計段階に応じてCAとEAを使い分けることを推奨する。また、正規分布に従わないようなデータを利用する場合には、MRCAを使うべきである。一方で、DRCAは、実規模の問題に対しても、理論の示す通りCAとMRCAの両方の結果を再現できることを確認した。したがって、結論としては、CAを使う段階においては、DRCAを使えばよいことになる。また、DRCAにはいくつかオプションがあり、炉定数調整手法や結果を検討する目的にも利用することが可能である。
