何博文, 關(guān) 群

(1.范德堡大學(xué) 土木與環(huán)境工程系,田納西 納什維爾 37212; 2.合肥工業(yè)大學(xué) 土木與水利工程學(xué)院,安徽 合肥 230009)

核泄漏是一種可對人類以及周邊環(huán)境造成巨大破壞的工程事故,通?？煞譃楹诵就耆廴诤秃诵静糠秩廴赱1],具體表現(xiàn)為反應(yīng)堆內(nèi)部由于溫度超過設(shè)定溫度所導(dǎo)致的核芯和燃料棒的融化及放射性物質(zhì)的泄漏[2]。歷史上曾出現(xiàn)過多次舉世聞名的重大核泄漏災(zāi)害事故,例如,2011年的日本福島事件,1986年的切爾諾貝利事件及1977年的美國三里島事件[3]。因此,核泄漏被認(rèn)為是當(dāng)代最危險的工業(yè)事故之一,其重要性值得業(yè)內(nèi)工程師以及科學(xué)家投入大量精力來研究。

本文基于統(tǒng)計分析的角度,探究核泄漏事故的發(fā)生與反應(yīng)堆自身的設(shè)計因素和外部影響因素之間存在的聯(lián)系,為核反應(yīng)堆工程師在未來反應(yīng)堆的選址、設(shè)計及相關(guān)建設(shè)運營方面提供參考。

1 統(tǒng)計方法

1.1 樣本選取

本文重點選取在全球范圍內(nèi)具有核泄漏事故記錄的核反應(yīng)堆和從未發(fā)生過核泄漏事故的核反應(yīng)堆進(jìn)行研究。對于具有核泄漏記錄的核反應(yīng)堆,不僅采取具有全球重要影響的核泄漏記錄的核反應(yīng)堆,同時也采取一些具有不著名核泄漏歷史記錄的核反應(yīng)堆來組成研究樣本。為了擴(kuò)充樣本容量, 本文不僅選取大型商用核反應(yīng)堆(例如切爾諾貝利核反應(yīng)堆),同時也采取小型還未商用的反應(yīng)堆(例如實驗與科研反應(yīng)堆)來組成研究樣本。對于未發(fā)生過核泄漏事故的核反應(yīng)堆樣本,其樣本個例均來自全球正在商用運行的核反應(yīng)堆機(jī)組。

1.2 數(shù)據(jù)采集

本文在全球范圍內(nèi)選取50個核反應(yīng)堆組成研究樣本。樣本反應(yīng)堆的特征參數(shù)來自世界核協(xié)會與國際原子能機(jī)構(gòu)[4-5]。通過確定核反應(yīng)堆的設(shè)計類型,確定其設(shè)計公司并查找該公司該產(chǎn)品的技術(shù)報告和設(shè)計手冊的方法來最終確定該反應(yīng)堆的所有相關(guān)設(shè)計參數(shù)。同時,采取大量來自研究文獻(xiàn)的信息來評估樣本反應(yīng)堆是否建造在一個易發(fā)生地震與海嘯的位置。例如,在樣本反應(yīng)堆中,有一個是由關(guān)西電力公司建造運營的三濱核反應(yīng)堆。文獻(xiàn)[6]研究發(fā)現(xiàn)建造的三濱核反應(yīng)堆位置下有劇烈的地殼運動痕跡,顯示其位置具有很大的發(fā)生7.4級及以上地震的可能性,從而影響三濱核反應(yīng)堆的運營。同時,由于日本是一個狹長的島國,對于地震之后接連發(fā)生海嘯有極大的可能性,而海嘯對臨近海岸線的建筑物包括核電站會造成巨大的破壞和影響?；谶@些信息,三濱核反應(yīng)堆的建造地址是一個不夠理想且易于發(fā)生核泄漏事故的地理位置。同樣采取大量來自研究文獻(xiàn)的信息判斷在核泄漏事故中是否存在人為操作上的失誤。例如,歷史上著名的三里島核泄漏事件中,一位核電站操作人員誤判了閥門的開關(guān)狀態(tài)這一重大關(guān)鍵性的人為操作失誤,直接導(dǎo)致了美國核工業(yè)歷史上無可挽回的結(jié)果[7]。

1.3 解釋變量

本研究把可能與核泄漏事故發(fā)生相關(guān)聯(lián)的因素分為內(nèi)部因素和外部因素。內(nèi)部因素是指由反應(yīng)堆自身特性所決定的因素,例如反應(yīng)堆一系列的設(shè)計參數(shù)。外部因素是指由非反應(yīng)堆自身特性所決定的因素,例如人為以及不可抗力因素。

根據(jù)人為環(huán)境因素,本文在內(nèi)部因素中選取設(shè)計功率、堆芯高度、堆芯直徑、燃料類型、冷卻液類型和慢化劑類型6個變量。設(shè)計功率是衡量核反應(yīng)堆輸出能力的表征量;堆芯高度、堆芯直徑是表征核反應(yīng)堆堆芯大小的幾何量;燃料類型、冷卻液類型及慢化劑類型是代表核反應(yīng)堆類型的表征量。同時,在這些內(nèi)部因素中,設(shè)計功率、堆芯高度和堆芯直徑是數(shù)值變量;燃料類型、冷卻液類型及慢化劑類型是類別變量。本文使用虛變量表示不同的燃料、冷卻液及慢化劑類型。

對于外部因素,選取建造地址和人為操作因素作為模型獨立自變量。建造地址是反映樣本反應(yīng)堆的安全運行是否容易遭受由地理位置而帶來的不可抗力因素,諸如地震或海嘯的影響的表征量。人為因素是反映在整個核反應(yīng)堆運行過程中,樣本反應(yīng)堆的安全運行是否容易遭受由于重大人為操作失誤因素而帶來的運行風(fēng)險的表征量。同時,在這些外部因素中,兩者均為布爾變量,即0代表建造地址不易受諸如地震、海嘯的影響以及沒有發(fā)現(xiàn)任何人為操作失誤的歷史記錄;1代表建造地址容易受諸如地震、海嘯的影響及發(fā)現(xiàn)存在人為操作失誤的歷史記錄。本文研究的變量類型見表1所列。

表1 變量因素類型

2 模型建立

2.1 邏輯回歸模型

邏輯回歸模型(logistic regression model,LRM)是基于一系列獨立自變量預(yù)測并分類系統(tǒng)應(yīng)變量的統(tǒng)計學(xué)分析方法[8]。LRM不同于傳統(tǒng)的判別式分析模型,其自變量無需服從正態(tài)分布,或要求其每個組別中都有相同的方差[9],存在明顯的優(yōu)勢。此外,LRM對其輸入自變量基本不存在任何限制[9]。在本研究中,LRM中的獨立自變量為布爾類型、類別類型、數(shù)值類型。LRM可允許在不同復(fù)雜程度的模型中進(jìn)行預(yù)測精確性的對比。最簡單的模型是只用一個與應(yīng)變量具有最顯著數(shù)值關(guān)系的變量作為獨立自變量的模型,而最復(fù)雜的模型是采取所有可能與系統(tǒng)應(yīng)變量有關(guān)系的變量作為獨立自變量的模型。本文采用具有最精確的分類預(yù)測能力,同時具有最少獨立自變量的LRM。

本研究使用可產(chǎn)生2種輸出結(jié)果的二元LRM,即輸出結(jié)果可以是判定反應(yīng)堆出現(xiàn)核泄漏事故或反應(yīng)堆無核泄漏事故。采用50個來自不同組別的反應(yīng)堆來訓(xùn)練回歸模型,即19個具有核泄漏事故歷史的反應(yīng)堆和31個無核泄漏歷史的反應(yīng)堆。選取19個具有核泄漏事故歷史的反應(yīng)堆的原因在于該類反應(yīng)堆的數(shù)量在全球范圍內(nèi)較少,它們的樣本已經(jīng)充分利用了此類樣本所能提供的有限的信息。對于另一組31個無核泄漏歷史的反應(yīng)堆,首先在數(shù)據(jù)庫中排除所有具有核泄漏事故歷史的樣本,然后采取隨機(jī)選取的方式在數(shù)據(jù)庫中剩余的反應(yīng)堆樣本里選取31個反應(yīng)堆來組成第2組無核泄漏歷史記錄的樣本。

在建立LRM之前,本文采用卡方檢驗方法(chi-squared method)測試各個獨立自變量與應(yīng)變量的顯著性水平[10-11]。具體步驟為從建立最簡單的只含有一個獨立自變量的模型開始到最復(fù)雜的含有所有獨立自變量的模型,利用ANOVA chi-squared測試方法檢測每個模型之間是否產(chǎn)生顯著性差別,判斷各個獨立自變量與應(yīng)變量之間是否存在顯著聯(lián)系[12]。獨立變量及其顯著性水平對應(yīng)的P值(顯著性水平概率)見表2所列。

表2 獨立變量與其顯著性水平

從表2可以看出,每個獨立自變量都與發(fā)生核泄漏之間存在潛在的聯(lián)系?；诟鱾€變量和P值,采取98%(P值小于0.02)和95%(P值小于0.05)2種顯著性水平來建立模型。對于98%顯著性回歸模型,只在模型中采取P值小于0.02的獨立自變量作為預(yù)測變量,即堆芯高度、冷卻液類型、建造地理位置以及人為因素,而放棄P值大于0.02的獨立自變量。同理,對于95%顯著性回歸模型,采取所有P值小于0.05的獨立自變量作為預(yù)測變量,即模型中將包括除了設(shè)計能力和慢化劑類型的所有獨立自變量。

在這以上2種具有不同顯著性水平的模型中,樣本反應(yīng)堆的輸出泄漏概率大于0.5將會被分類為發(fā)生核泄漏組,輸出泄漏概率小于0.5將會被分類至無核泄漏發(fā)生組。使用Nagelkerke的R2值評估模型的精確度,即通過衡量模型樣本預(yù)測分類成功的概率來衡量模型評估核泄漏發(fā)生風(fēng)險的能力[13]。

2.2 線性判別模型

本文采取線性判別模型(linear discriminant model,LDM)的方法來評估預(yù)測核泄漏事故發(fā)生風(fēng)險,不同于LRM,LDM同樣有其優(yōu)勢與劣勢。在本研究中,較小的樣本容量(50個核反應(yīng)堆)會導(dǎo)致LRM所產(chǎn)生的結(jié)果具有不穩(wěn)定性[14]。而在LDM中,在每組樣本數(shù)據(jù)中每一個自變量服從正態(tài)分布的假設(shè)前提下,可近似地認(rèn)為該模型可以很好地解決這一問題[15],然而這也無法確定在每組樣本數(shù)據(jù)中每一個自變量確實嚴(yán)格地服從正態(tài)分布。因此,LDM的存在確實帶來了一個明顯的權(quán)衡,即模型的穩(wěn)定性與不確定性之間的取舍[16]。

對于建立的LDM,基于表2采取與LRM相同的2種顯著性水平來考慮。對于自由模型,采取95%的顯著性水平,模型中包含堆芯高度、堆芯直徑、燃料類別、冷卻劑類別,建造地理位置及人為操作作為獨立自由變量。對于保守模型,采取98%的顯著性水平,模型中僅包含堆芯高度、冷卻劑類別、建造地理位置及人為操作作為獨立自由變量。在二分問題中,與LRM類似采取50%作為既定觀測值來區(qū)分樣本。

2.3 支持向量機(jī)

基于LRM和LDM,采用支持向量機(jī)(support vector machine,SVM)的方法來學(xué)習(xí)并分類核反應(yīng)堆樣本。采取與前2個模型相同的顯著性水平來建立SVM模型。不同的是在SVM中,采取徑向核的方法來達(dá)到實現(xiàn)非線性邊界決策的效果[17]。同時采取十折交叉驗證的方法,即將樣本容量均等分為2組,即每組25個樣本個例,分別用其來訓(xùn)練模型和檢測模型[18]。該方法可對每種顯著性水平的SVM選取最佳的代價函數(shù)cost及徑向核參數(shù)γ。

3 結(jié)果與預(yù)測分析

3.1 邏輯回歸模型

3.1.1 邏輯回歸的自由模型

在自由模型中,有堆芯高度、堆芯直徑、燃料類別、冷卻液類別、建造地址以及人為因素這6個預(yù)測變量可以達(dá)到95%的顯著性水平,因此該模型中包含這6個預(yù)測變量。該自由模型公式為:

(1)

x=-18.08-0.22HC-0.91DC+0.71TF1+

9.76TF2+14.19TF3+0.001TF4+19.37LC1+

15.34LC2+22.81LC3-4.25PLC+6.52PHU

(2)

該模型的預(yù)測準(zhǔn)確率為92%,具體預(yù)測結(jié)果見表3所列。該模型的R2值為0.76,P值為2.86E-05,模型具體信息見表4所列。

表3 LRM中自由模型預(yù)測結(jié)果

表4 LRM中自由模型計算結(jié)果

采用受試者工作特征曲線 (receiver operating characteristic curve,ROC)及其線下面積(area under the curve,AUC)來評估本文中出現(xiàn)的所有判別模型的預(yù)測能力。ROC曲線是根據(jù)一系列不同的二分類方式,以真陽性率(敏感度)為縱坐標(biāo),假陽性率(特異性)為橫坐標(biāo)繪制的曲線[19]。AUC是衡量模型優(yōu)劣的一種性能指標(biāo),其越接近于1.0,分類方法真實性越高,等于0.5時,則真實性最低,模型無應(yīng)用價值[20-22]。該自由模型的ROC曲線如圖1所示, AUC值為0.953 1。

圖1 LRM中自由模型的ROC曲線

3.1.2 邏輯回歸的保守模型

在保守模型中,有堆芯高度、燃料類別、建造地址以及人為因素4個預(yù)測變量可以達(dá)到98%的顯著性水平,因此該模型中包含這4個預(yù)測變量。模型公式為:

P/(1-P)=ey

(3)

y=-19.05-0.39HC+18.69LC1+

18.55LC2+21.64LC3-3.16PLC+4.79PHU

(4)

該模型的預(yù)測準(zhǔn)確率為88%,具體預(yù)測結(jié)果見表5所列。該模型的R2的值為0.68,P值為6.41E-06,計算結(jié)果見表6所列。該保守模型的ROC曲線如圖2所示,AUC值為0.946 2。

圖2 LRM中保守模型的ROC曲線

表5 LRM中保守模型預(yù)測結(jié)果

表6 LRM中保守模型計算結(jié)果

3.2 線性判別模型

3.2.1 線性判別的自由模型

在線性判別的自由模型中,先驗概率值πk通過訓(xùn)練模型數(shù)據(jù)部分計算得出,核泄漏組和無核泄漏組πk值依次為0.36、0.64。在LDM中,假設(shè)每個預(yù)測變量都近似地服從高斯分布。高斯分布的系數(shù)平均值μk、方差σ2可由樣本數(shù)據(jù)來預(yù)估得到。線性判別模型中利用這些預(yù)測變量的高斯分布信息構(gòu)建。在線性判別過程中主要步驟分為抽取步驟和分類步驟。

在抽取步驟中,輸入的預(yù)測變量線性組合形成判別式隱藏變量。該模型中相關(guān)預(yù)測變量的系數(shù)及判別式系數(shù)分別見表7所列。具體的2組數(shù)據(jù)的判別結(jié)果如圖3所示。從圖3可以看出,在每組中判別式的分布差別較大,表明該模型可較好區(qū)分2組數(shù)據(jù)。

表7 預(yù)測變量的μk和判別式系數(shù)

自由模型的預(yù)測準(zhǔn)確率為86%,具體預(yù)測結(jié)果見表8所列。自由模型的ROC曲線如圖4所示,AUC值為0.960 1。

圖4 LDM中的自由模型ROC曲線

表8 LDM中自由模型預(yù)測結(jié)果

3.2.2 線性判別的保守模型

保守的線性判別模型只包含堆芯高度、冷卻液類別、建造地址與人為因素4個預(yù)測變量。該保守模型的樣本先驗概率值πk與自由模型中的先驗概率值相同,先驗概率及保守模型判別式系數(shù)見表9所列。

表9 預(yù)測變量的πk和判別式系數(shù)

LDM中的保守模型判別結(jié)果如圖5所示。保守模型的預(yù)測準(zhǔn)確率為88%,具體預(yù)測結(jié)果見表10所列 。

圖5 保守模型的線性判別式

表10 LDM中保守模型預(yù)測結(jié)果

ROC曲線如圖6所示,AUC值為0.941 0。

圖6 LDM中的保守模型ROC曲線

3.3 SVM

3.3.1 支持向量機(jī)的自由模型

在SVM的自由模型中,同樣包含與前面所有自由模型相同的6個預(yù)測變量。在SVM模型建立過程中,把50個樣本核反應(yīng)堆均等分為訓(xùn)練模型部分和檢驗?zāi)Ｐ筒糠?。利用十折交叉驗證的方法,SVM自由模型最佳參數(shù)選擇代價函數(shù)cost取5,徑向核參數(shù)γ取1。SVM中的自由模型在檢驗數(shù)據(jù)下的ROC曲線如圖7所示,該曲線與橫坐標(biāo)之間的面積為0.618 1。利用檢驗數(shù)據(jù)計算得出模型的預(yù)測精確度為68%。自由模型的預(yù)測結(jié)果見表11所列。

圖7 SVM中的自由模型ROC曲線

表11 SVM的自由模型的預(yù)測結(jié)果

3.3.2 支持向量機(jī)的保守模型

在SVM的保守模型中,預(yù)測變量的數(shù)量減少為4個。同樣利用十折交叉驗證的方法,選擇的最佳參數(shù)代價函數(shù)cost取1,γ徑向核參數(shù)取1。SVM中的保守模型在檢驗數(shù)據(jù)下的ROC曲線如圖8所示,AUC為0.611 1。利用檢驗數(shù)據(jù)計算得出該保守模型的預(yù)測精確度為84%,高于自由模型。SVM的保守模型預(yù)測結(jié)果見表12所列。

圖8 SVM中的保守模型ROC曲線

表12 SVM中保守模型預(yù)測結(jié)果

4 討 論

4.1 重要影響因素

通過統(tǒng)計模型的構(gòu)建,確定影響核泄漏事故的重要因素。對比自由模型與保守模型可看出,在核泄漏事故中,堆芯高度、建造地理位置及人為因素是影響事故發(fā)生的重要因素。值得注意的是,在自由模型和保守模型中,堆芯高度的讓步比均小于1,表明此預(yù)測變量與核泄漏事故發(fā)生風(fēng)險之間可能存在負(fù)相關(guān)的關(guān)系。

另一個重要的影響因素是人為因素。在所有模型中,人為因素與核泄漏事故發(fā)生風(fēng)險均存在非常明顯的正相關(guān)關(guān)系:在越有可能發(fā)生人為操作失誤的樣本中,發(fā)生核泄漏事故的風(fēng)險越大。人為因素也可能會是主導(dǎo)所有其他因素并成為影響核泄漏事故發(fā)生的唯一因素。盡管在樣本核反應(yīng)堆中,有一些未發(fā)生過核泄漏事故的樣本也存在人為操作失誤的歷史記錄,但這并不妨礙人為操作失誤可以直接導(dǎo)致核泄漏事故發(fā)生這一結(jié)論。同時,基于LRM發(fā)現(xiàn)人為操作這一預(yù)測變量的讓步比大于1,P值較小,說明在本研究中,人為因素可覆蓋其他所有預(yù)測變量的趨勢并有可以單獨主導(dǎo)核泄漏事故發(fā)生的可能性。即使增大樣本大小,人為因素與核泄漏事故之間聯(lián)系的強(qiáng)度不會改變,依然可能是影響核泄漏事故發(fā)生的最重要因素。

4.2 模型不確定性分析

文中模型潛在的不確定性主要來自樣本數(shù)據(jù),樣本數(shù)據(jù)的大小偏小。雖然歷史上發(fā)生核泄漏事故的次數(shù)較多,但關(guān)于這些核泄漏事故的詳細(xì)歷史記錄較少,因此極難囊括所有的核泄漏事故并把它們?nèi)慷加迷诖搜芯繕颖局?。尤其在LRM中,較小的樣本數(shù)量可能會在構(gòu)建該模型時造成誤差,因此LRM的精確度會隨著樣本數(shù)量的增加而變得更為精確。另外,在樣本反應(yīng)堆中,采用現(xiàn)階段不同運行狀態(tài)的核反應(yīng)堆。這些不同運行狀態(tài)的核反應(yīng)堆樣本會在一定程度上給模型結(jié)果帶來不確定性。例如,將正在安全運行的核反應(yīng)堆樣本完全歸為安全的無核泄漏事故發(fā)生的核反應(yīng)堆樣本是不嚴(yán)謹(jǐn)?shù)?。核泄漏事故是一種一次性事件,不能被看作反應(yīng)堆內(nèi)部的自有特性,因此不會發(fā)生核泄漏事故與目前還沒有發(fā)生核泄漏事故是不能完全等價的。也就是說,對于這些目前還沒有發(fā)生核泄漏事故的“干凈”的核反應(yīng)堆樣本,其在未來依然有發(fā)生核泄漏事故的風(fēng)險,盡管概率很低。從另外一個角度來詮釋這一樣本不確定性,發(fā)生核泄漏事故可被視作為一個核反應(yīng)堆的內(nèi)在“基因”,一些樣本核反應(yīng)堆已經(jīng)展示出了此“基因”,另外一些樣本核反應(yīng)堆在現(xiàn)階段還沒有展示出此“基因”,但并不能完全排除其沒有易發(fā)生核泄漏事故的“基因”。然而,本文研究的是評估一些列核反應(yīng)堆的內(nèi)在、外在屬性與其發(fā)生核泄漏事故“基因”之間的內(nèi)在聯(lián)系,卻使用這些樣本的外在表現(xiàn)來代表其內(nèi)在發(fā)生核泄漏事故“基因”,這必然會給模型結(jié)果帶來不確定性。此外,本文對預(yù)測變量之間存在的關(guān)聯(lián)性進(jìn)行探討,以日本的核反應(yīng)堆為例,由于日本傾向于建造沸水型反應(yīng)堆(boiling water reactor,BWR),采取的來自日本的核反應(yīng)堆樣本傾向為BWR,這些樣本均有很相似的燃料類型、冷卻液類型以及慢化劑類型等特性。由于日本國的國土面積較小,在靠近海岸線的位置建造核反應(yīng)堆是不得已選擇,會大大增加核反應(yīng)堆受到海嘯或者地震影響而發(fā)生核泄漏事故的概率,從而在一些樣本核反應(yīng)堆中,可以很明顯得到預(yù)測變量之間的關(guān)聯(lián)性。預(yù)測變量之間的關(guān)聯(lián)性如圖9所示。

圖9 預(yù)測變量之間的相關(guān)性

根據(jù)以上分析,本文所建立的LRM和與LDM均由相同的一組數(shù)據(jù)訓(xùn)練和測試,LRM和與LDM中的預(yù)測準(zhǔn)確性就是樣本數(shù)據(jù)的訓(xùn)練誤差。因此對于這2種模型,當(dāng)其被用于預(yù)測一組新的數(shù)據(jù)時,模型所產(chǎn)生的真實的預(yù)測準(zhǔn)確性要低于上述所報道的預(yù)測準(zhǔn)確性。此外本文所建立的SVM的預(yù)測誤差要大于LRM和LDM,說明這2種模型在預(yù)測新的數(shù)據(jù)時可能會產(chǎn)生大于本文所報道的預(yù)測誤差的結(jié)果。

4.3 模型對比

本文6種模型的預(yù)測準(zhǔn)確率對比見表13所列。對比自由模型與保守模型發(fā)現(xiàn),保守模型的預(yù)測準(zhǔn)確率要大于自由模型的,除了LRM的情況。對比不同模型的預(yù)測能力發(fā)現(xiàn),LRM的預(yù)測準(zhǔn)確率要強(qiáng)于其他2種判別模型?？傮w來看,3種不同模型類別均具有基本預(yù)測核反應(yīng)堆發(fā)生核泄漏事故風(fēng)險的能力。

表13 模型的預(yù)測準(zhǔn)確率對比 %

另外一種直觀地對比3種不同類型模型的預(yù)測能力的方法就是通過比較ROC曲線的AUC。3種自由模型與保守模型的ROC曲線對比分別如圖10、圖11所示。

圖10 自由模型的ROC曲線對比

圖11 保守模型的ROC曲線對比

由圖10、圖11可知,LRM和LDM的預(yù)測能力均比SVM更精確,然而SVM有最接近真實值的預(yù)測準(zhǔn)確性,因此也是解決這一類問題非常好的的模型類別,尤其考慮到該風(fēng)險評估系統(tǒng)的非線性特征。

5 結(jié) 論

本文通過構(gòu)建概率統(tǒng)計分析模型探究核反應(yīng)堆中的內(nèi)部和外部因素與核泄漏事故之間的關(guān)聯(lián)性,并對核泄漏風(fēng)險的影響因素進(jìn)行評估。通過對3種不同模型研究并預(yù)測核反應(yīng)堆發(fā)生核泄漏事故風(fēng)險的安全評估能力。利用樣本中的訓(xùn)練數(shù)據(jù)組與檢測數(shù)據(jù)組構(gòu)建3種不同概率統(tǒng)計分析模型并檢測其預(yù)測能力。LRM中自由模型的預(yù)測準(zhǔn)確率為92%,保守模型的預(yù)測準(zhǔn)確率為88%;LDM中自由模型的預(yù)測準(zhǔn)確率為86%,保守模型的預(yù)測準(zhǔn)確率為88%;SVM中自由模型的預(yù)測準(zhǔn)確率為68%,其保守模型的預(yù)測準(zhǔn)確率為84%。

通過構(gòu)建并比較3種不同類型的概率統(tǒng)計分析模型發(fā)現(xiàn),核反應(yīng)堆內(nèi)部和外部因素均會影響核泄漏事故發(fā)生的安全風(fēng)險。但在這些影響因素中,外部因素比內(nèi)部因素更具有支配地位,并在整個評估體系中起主要作用。此外,雖然LRM和LDM在預(yù)測計算方面相較于SVM更加精準(zhǔn),但其仍然沒有SVM在這個風(fēng)險評估體系中更加適用,原因是該風(fēng)險評估體系是非線性的。