Improved metamodel-based importance sampling for the performance assessment of radioactive waste repositories

در چارچوب یک ارزیابی عملکرد احتمالی یک مخزن رادیواکتیو، برآورد احتمال بروز آستانه دوز توسط یک دستگاه نظارتی یک وظیفه اساسی است. این ممکن است دچار مشکلی شود چون احتمالات درگیر بسیار کوچک هستند، از آنجا که متد کارلو روش مبتنی بر نمونه گیری کلاسیک ممکن است از لحاظ محاسباتی غیر عملی باشد. این مسئله بیشتر با این واقعیت پیچیده می شود که کدهای رایانه ای که به طور معمول در این زمینه اتخاذ می شوند، نیازمند تلاش های محاسباتی وسیع است، هم از لحاظ زمان و هم حافظه. این کار پیشنهاد اولیه استفاده از الگوریتم مبتنی بر مونته کارلو را برای تخمین احتمال کوچک بودن (کوچک) در زمینه ارزیابی عملکرد مخزن زباله رادیواکتیو نزدیک به سطح را پیشنهاد می کند. الگوریتم که در زمینه قابلیت اطمینان ساختاری ایجاد شده است، استفاده از تراکم اهمیت بهینه تخمین زده شده و یک متامدل متشکل از کریجینگ جایگزین تقریبی پاسخ سیستم است. بر اساس یک تجزیه و تحلیل دقیق تجزیه و تحلیل از الگوریتم، اصلاح پیشنهاد شده است که اجازه می دهد تا بیشتر کاهش تلاش های محاسباتی با آموزش موثرتر از متامدل.