吉志龙 马元巍 王德忠

（上海交通大学 核科学与工程学院 上海 200240）

核事故应急支持系统中，核素扩散模型为应急处理提供技术支持，其准确性影响到应急决策是否及时有效。扩散模型中，传统的扩散系数通常采用基于大量扩散实验得到的经验参数。由于事故状态下的风场、大气湍流、地表等与实验条件存在差异，导致经验扩散参数难以准确反映实际的扩散过程。以IAEA和USNRC推荐的Pasquill-Gifford (PG)扩散系数为例，其基于Prairie-Grass-Field (PGF)实验得到[1−2]，适用于多植被地形，摩擦层高度为3cm，近地释放源的情形，通常用于保守预测，如应用于核事故后果评价，其准确性有待提高[3]。

例如在2002年福建惠安核电厂的示踪实验中，根据PG系数得到的扩散参数要明显高于根据实际扩散结果拟合得到的扩散参数[4]。如果核电厂进行了大气扩散实验则以在地的扩散参数为准，但是该扩散参数忽略了大气湍流强度以及温度梯度变化等时序上的变化。

为了使经验扩散参数能更好地反映实际扩散过程，一个可行的办法是以经验参数作为先验值，使用观测数据对其进行动态修正，使得扩散模型计算值与观测值尽可能相近，将经过修正的扩散参数代入原扩散模型后，可以更准确地预测下一阶段核素的扩散浓度分布，这类技术称为源项反演或参数修正。Haupt等[5]首次提出使用遗传算法耦合扩散模型和受体模型，进行源项反演，以达到增强污染物扩散模拟准确度的目的；Jeong等[6]使用类似的技术对核电厂泄露物的扩散进行了分析；……