Aplicativo móvel baseado em redes neurais artificiais para previsão de doses em casos de emergências nucleares com liberação de material radioativo

Detalhes bibliográficos
Autor(a) principal: Gomes, Kélcio José
Data de Publicação: 2018
Outros Autores: Instituto de Engenharia Nuclear
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional do IEN
Texto Completo: http://carpedien.ien.gov.br:8080/handle/ien/2404
Resumo: Este trabalho apresenta um aplicativo móvel de previsão de doses para casos de emergências em Centrais Nucleares com liberação de material nuclear. O objetivo consiste em prover um suporte extra para a tomada de decisões de equipes de campo quando a os sistemas de informações da planta estiverem indisponíveis. Contudo, a previsão de doses devido a dispersão de radionuclídeos na atmosfera requer a execução de modelos físicos altamente complexos e computacionalmente intensos. Para que essas previsões sejam possíveis de serem feitas usando recursos computacionais limitados como, por exemplo, telefone celular é proposto neste trabalho o uso de Redes Neurais Artificiais (RNA) previamente treinadas (modo off-line) com dados obtidos por simulações precisas utilizando-se do Sistema de Dispersão Atmosférica. Para isso, foram consideradas situações típicas para cada acidente postulado, bem como uma ampla gama de condições meteorológicas. Como passo inicial, foram investigadas diversas arquiteturas de RNA para avaliar a capacidade de previsão de dose em cenários hipotéticos nas vizinhanças da Central Nuclear Brasileira da CNAAA, em Angra dos Reis, Rio de Janeiro. Como resultado, obteve-se um ótima generalização e um coeficiente de correlação de 0,99 para um conjunto de dados de avaliação (padrões não usados em treinamento). Diante disso, as RNAs selecionadas foram codificadas na Linguagem de Programação Java para serem executadas em um aplicativo da plataforma Android destinado a traçar a distribuição da dose espacial no mapa da região em questão. Neste trabalho, descreve-se a arquitetura geral do sistema proposto, resultados numéricos e comparações entre as arquiteturas investidas de RNA são discutidas. Além disso, o desempenho e limitações da execução numa plataforma de celular móvel são avaliados e possíveis melhorias e trabalhos futuros são apontados.
id IEN_eef71a8e5afce00d3ca939bd6922980f
oai_identifier_str oai:carpedien.ien.gov.br:ien/2404
network_acronym_str IEN
network_name_str Repositório Institucional do IEN
spelling Gomes, Kélcio JoséInstituto de Engenharia NuclearSchirru, RobertoPereira, Claudio Marcio do Nascimento AbreuSchirru, RobertoSalgado, César MarquesPrzewodowski Filho, AndréLima, Alan Miranda Monteiro dePereira, Claudio Marcio do Nascimento Abreu2018-06-07T17:17:44Z2018-06-07T17:17:44Z2018-04http://carpedien.ien.gov.br:8080/handle/ien/2404Este trabalho apresenta um aplicativo móvel de previsão de doses para casos de emergências em Centrais Nucleares com liberação de material nuclear. O objetivo consiste em prover um suporte extra para a tomada de decisões de equipes de campo quando a os sistemas de informações da planta estiverem indisponíveis. Contudo, a previsão de doses devido a dispersão de radionuclídeos na atmosfera requer a execução de modelos físicos altamente complexos e computacionalmente intensos. Para que essas previsões sejam possíveis de serem feitas usando recursos computacionais limitados como, por exemplo, telefone celular é proposto neste trabalho o uso de Redes Neurais Artificiais (RNA) previamente treinadas (modo off-line) com dados obtidos por simulações precisas utilizando-se do Sistema de Dispersão Atmosférica. Para isso, foram consideradas situações típicas para cada acidente postulado, bem como uma ampla gama de condições meteorológicas. Como passo inicial, foram investigadas diversas arquiteturas de RNA para avaliar a capacidade de previsão de dose em cenários hipotéticos nas vizinhanças da Central Nuclear Brasileira da CNAAA, em Angra dos Reis, Rio de Janeiro. Como resultado, obteve-se um ótima generalização e um coeficiente de correlação de 0,99 para um conjunto de dados de avaliação (padrões não usados em treinamento). Diante disso, as RNAs selecionadas foram codificadas na Linguagem de Programação Java para serem executadas em um aplicativo da plataforma Android destinado a traçar a distribuição da dose espacial no mapa da região em questão. Neste trabalho, descreve-se a arquitetura geral do sistema proposto, resultados numéricos e comparações entre as arquiteturas investidas de RNA são discutidas. Além disso, o desempenho e limitações da execução numa plataforma de celular móvel são avaliados e possíveis melhorias e trabalhos futuros são apontados.This work presents the approach of a mobile dose prediction system for NPP emergencies with nuclear material release. The objective is to provide extra support to field teams decisions when plant information systems are not available. However, predicting doses due to atmospheric dispersion of radionuclide generally requires execution of complex and computationally intensive physical models. In order to allow such predictions to be made by using limited computational resources such as mobile phones, it is proposed the use of artificial neural networks (ANN) previously trained (offline) with data generated by precise simulations using the NPP atmospheric dispersion system. Typical situations for each postulated accident and respective source terms, as well as a wide range of meteorological conditions have been considered. As a first step, several ANN architectures have been investigated in order to evaluate their ability for dose prediction in hypothetical scenarios in the vicinity of CNAAA Brazilian NPP, in Angra dos Reis, Brazil. As a result, good generalization and a correlation coefficient of 0.99 was achieved for a validation data set (untrained patterns). Then, selected ANNs have been coded in Java programming language to run as an Android application aimed to plot the spatial dose distribution into a map. In this work, the general architecture of the proposed system is described; numerical results and comparisons between investigated ANN architectures are discussed; performance and limitations of running the Application into a commercial mobile phone are evaluated and possible improvements and future works are pointed.Submitted by Almir Azevedo (barbio1313@gmail.com) on 2018-06-07T17:17:44Z No. of bitstreams: 1 dissertacao mestrado ien 2018 Kelcio Jose Gomes.pdf: 23521797 bytes, checksum: 9f86dd75bf1d595f5e579d31365eb4a4 (MD5)Made available in DSpace on 2018-06-07T17:17:44Z (GMT). No. of bitstreams: 1 dissertacao mestrado ien 2018 Kelcio Jose Gomes.pdf: 23521797 bytes, checksum: 9f86dd75bf1d595f5e579d31365eb4a4 (MD5) Previous issue date: 2018-04porInstituto de Engenharia NuclearPrograma de Pós-graduação em Ciências e Tecnologias NuclearesIENBrasilInstituto de Engenharia NuclearPrevisão de doseDispersão atmosférica de radionuclídeoSmartphoneRede neural artificialEmergência nuclearAplicativo móvel baseado em redes neurais artificiais para previsão de doses em casos de emergências nucleares com liberação de material radioativoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional do IENinstname:Instituto de Engenharia Nuclearinstacron:IENLICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://carpedien.ien.gov.br:8080/xmlui/bitstream/ien/2404/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52ORIGINALdissertacao mestrado ien 2018 Kelcio Jose Gomes.pdfdissertacao mestrado ien 2018 Kelcio Jose Gomes.pdfapplication/pdf23521797http://carpedien.ien.gov.br:8080/xmlui/bitstream/ien/2404/1/dissertacao+mestrado+ien+2018+Kelcio+Jose+Gomes.pdf9f86dd75bf1d595f5e579d31365eb4a4MD51ien/2404oai:carpedien.ien.gov.br:ien/24042018-06-07 14:17:44.739Dspace IENlsales@ien.gov.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
dc.title.pt_BR.fl_str_mv Aplicativo móvel baseado em redes neurais artificiais para previsão de doses em casos de emergências nucleares com liberação de material radioativo
title Aplicativo móvel baseado em redes neurais artificiais para previsão de doses em casos de emergências nucleares com liberação de material radioativo
spellingShingle Aplicativo móvel baseado em redes neurais artificiais para previsão de doses em casos de emergências nucleares com liberação de material radioativo
Gomes, Kélcio José
Previsão de dose
Dispersão atmosférica de radionuclídeo
Smartphone
Rede neural artificial
Emergência nuclear
title_short Aplicativo móvel baseado em redes neurais artificiais para previsão de doses em casos de emergências nucleares com liberação de material radioativo
title_full Aplicativo móvel baseado em redes neurais artificiais para previsão de doses em casos de emergências nucleares com liberação de material radioativo
title_fullStr Aplicativo móvel baseado em redes neurais artificiais para previsão de doses em casos de emergências nucleares com liberação de material radioativo
title_full_unstemmed Aplicativo móvel baseado em redes neurais artificiais para previsão de doses em casos de emergências nucleares com liberação de material radioativo
title_sort Aplicativo móvel baseado em redes neurais artificiais para previsão de doses em casos de emergências nucleares com liberação de material radioativo
author Gomes, Kélcio José
author_facet Gomes, Kélcio José
Instituto de Engenharia Nuclear
author_role author
author2 Instituto de Engenharia Nuclear
author2_role author
dc.contributor.referees1.none.fl_str_mv Pereira, Claudio Marcio do Nascimento Abreu
dc.contributor.referees2.none.fl_str_mv Schirru, Roberto
dc.contributor.referees3.none.fl_str_mv Salgado, César Marques
dc.contributor.referees4.none.fl_str_mv Przewodowski Filho, André
dc.contributor.referees5.none.fl_str_mv Lima, Alan Miranda Monteiro de
dc.contributor.author.fl_str_mv Gomes, Kélcio José
Instituto de Engenharia Nuclear
dc.contributor.advisor-co1.fl_str_mv Schirru, Roberto
dc.contributor.advisor1.fl_str_mv Pereira, Claudio Marcio do Nascimento Abreu
contributor_str_mv Schirru, Roberto
Pereira, Claudio Marcio do Nascimento Abreu
dc.subject.por.fl_str_mv Previsão de dose
Dispersão atmosférica de radionuclídeo
Smartphone
Rede neural artificial
Emergência nuclear
topic Previsão de dose
Dispersão atmosférica de radionuclídeo
Smartphone
Rede neural artificial
Emergência nuclear
dc.description.abstract.por.fl_txt_mv Este trabalho apresenta um aplicativo móvel de previsão de doses para casos de emergências em Centrais Nucleares com liberação de material nuclear. O objetivo consiste em prover um suporte extra para a tomada de decisões de equipes de campo quando a os sistemas de informações da planta estiverem indisponíveis. Contudo, a previsão de doses devido a dispersão de radionuclídeos na atmosfera requer a execução de modelos físicos altamente complexos e computacionalmente intensos. Para que essas previsões sejam possíveis de serem feitas usando recursos computacionais limitados como, por exemplo, telefone celular é proposto neste trabalho o uso de Redes Neurais Artificiais (RNA) previamente treinadas (modo off-line) com dados obtidos por simulações precisas utilizando-se do Sistema de Dispersão Atmosférica. Para isso, foram consideradas situações típicas para cada acidente postulado, bem como uma ampla gama de condições meteorológicas. Como passo inicial, foram investigadas diversas arquiteturas de RNA para avaliar a capacidade de previsão de dose em cenários hipotéticos nas vizinhanças da Central Nuclear Brasileira da CNAAA, em Angra dos Reis, Rio de Janeiro. Como resultado, obteve-se um ótima generalização e um coeficiente de correlação de 0,99 para um conjunto de dados de avaliação (padrões não usados em treinamento). Diante disso, as RNAs selecionadas foram codificadas na Linguagem de Programação Java para serem executadas em um aplicativo da plataforma Android destinado a traçar a distribuição da dose espacial no mapa da região em questão. Neste trabalho, descreve-se a arquitetura geral do sistema proposto, resultados numéricos e comparações entre as arquiteturas investidas de RNA são discutidas. Além disso, o desempenho e limitações da execução numa plataforma de celular móvel são avaliados e possíveis melhorias e trabalhos futuros são apontados.
This work presents the approach of a mobile dose prediction system for NPP emergencies with nuclear material release. The objective is to provide extra support to field teams decisions when plant information systems are not available. However, predicting doses due to atmospheric dispersion of radionuclide generally requires execution of complex and computationally intensive physical models. In order to allow such predictions to be made by using limited computational resources such as mobile phones, it is proposed the use of artificial neural networks (ANN) previously trained (offline) with data generated by precise simulations using the NPP atmospheric dispersion system. Typical situations for each postulated accident and respective source terms, as well as a wide range of meteorological conditions have been considered. As a first step, several ANN architectures have been investigated in order to evaluate their ability for dose prediction in hypothetical scenarios in the vicinity of CNAAA Brazilian NPP, in Angra dos Reis, Brazil. As a result, good generalization and a correlation coefficient of 0.99 was achieved for a validation data set (untrained patterns). Then, selected ANNs have been coded in Java programming language to run as an Android application aimed to plot the spatial dose distribution into a map. In this work, the general architecture of the proposed system is described; numerical results and comparisons between investigated ANN architectures are discussed; performance and limitations of running the Application into a commercial mobile phone are evaluated and possible improvements and future works are pointed.
description Este trabalho apresenta um aplicativo móvel de previsão de doses para casos de emergências em Centrais Nucleares com liberação de material nuclear. O objetivo consiste em prover um suporte extra para a tomada de decisões de equipes de campo quando a os sistemas de informações da planta estiverem indisponíveis. Contudo, a previsão de doses devido a dispersão de radionuclídeos na atmosfera requer a execução de modelos físicos altamente complexos e computacionalmente intensos. Para que essas previsões sejam possíveis de serem feitas usando recursos computacionais limitados como, por exemplo, telefone celular é proposto neste trabalho o uso de Redes Neurais Artificiais (RNA) previamente treinadas (modo off-line) com dados obtidos por simulações precisas utilizando-se do Sistema de Dispersão Atmosférica. Para isso, foram consideradas situações típicas para cada acidente postulado, bem como uma ampla gama de condições meteorológicas. Como passo inicial, foram investigadas diversas arquiteturas de RNA para avaliar a capacidade de previsão de dose em cenários hipotéticos nas vizinhanças da Central Nuclear Brasileira da CNAAA, em Angra dos Reis, Rio de Janeiro. Como resultado, obteve-se um ótima generalização e um coeficiente de correlação de 0,99 para um conjunto de dados de avaliação (padrões não usados em treinamento). Diante disso, as RNAs selecionadas foram codificadas na Linguagem de Programação Java para serem executadas em um aplicativo da plataforma Android destinado a traçar a distribuição da dose espacial no mapa da região em questão. Neste trabalho, descreve-se a arquitetura geral do sistema proposto, resultados numéricos e comparações entre as arquiteturas investidas de RNA são discutidas. Além disso, o desempenho e limitações da execução numa plataforma de celular móvel são avaliados e possíveis melhorias e trabalhos futuros são apontados.
publishDate 2018
dc.date.accessioned.fl_str_mv 2018-06-07T17:17:44Z
dc.date.available.fl_str_mv 2018-06-07T17:17:44Z
dc.date.issued.fl_str_mv 2018-04
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
status_str publishedVersion
format masterThesis
dc.identifier.uri.fl_str_mv http://carpedien.ien.gov.br:8080/handle/ien/2404
url http://carpedien.ien.gov.br:8080/handle/ien/2404
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Instituto de Engenharia Nuclear
dc.publisher.program.fl_str_mv Programa de Pós-graduação em Ciências e Tecnologias Nucleares
dc.publisher.initials.fl_str_mv IEN
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Instituto de Engenharia Nuclear
publisher.none.fl_str_mv Instituto de Engenharia Nuclear
dc.source.none.fl_str_mv reponame:Repositório Institucional do IEN
instname:Instituto de Engenharia Nuclear
instacron:IEN
reponame_str Repositório Institucional do IEN
collection Repositório Institucional do IEN
instname_str Instituto de Engenharia Nuclear
instacron_str IEN
institution IEN
bitstream.url.fl_str_mv http://carpedien.ien.gov.br:8080/xmlui/bitstream/ien/2404/2/license.txt
http://carpedien.ien.gov.br:8080/xmlui/bitstream/ien/2404/1/dissertacao+mestrado+ien+2018+Kelcio+Jose+Gomes.pdf
bitstream.checksum.fl_str_mv 8a4605be74aa9ea9d79846c1fba20a33
9f86dd75bf1d595f5e579d31365eb4a4
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Dspace IEN
repository.mail.fl_str_mv lsales@ien.gov.br
_version_ 1656026993855037440