핵심 활동 재구성을 위한 데이터 동화 기법의 견고성 분석

초록

본 논문은 기상학에서 활용되는 데이터 동화(Data Assimilation) 기법을 원자력 발전소 핵심 부의 중성자 활동장 재구성에 적용한다. 측정값과 수치 모델 정보를 동시에 활용하여 최적 추정치를 얻고, 측정 데이터 양 감소, 계측기 종류 및 배치 변화가 재구성 정확도에 미치는 영향을 체계적으로 평가한다.

상세 분석

데이터 동화는 관측값과 예측모델을 통계적으로 결합해 상태 추정의 불확실성을 최소화하는 방법으로, 본 연구에서는 핵심 중성자 활동장을 3차원 벡터 형태의 상태 변수로 정의하고, 베이즈 추정 원리를 기반으로 한 최소제곱 최적화(3D‑Var) 방식을 채택하였다. 관측 연산자(H)는 실제 계측기 배치와 측정 물리량(예: 포톤 검출기, 열중성자 검출기 등)을 매핑하며, 관측오차 공분산(R)과 배경오차 공분산(B)을 각각 실험적 불확실성 및 수치 모델의 구조적 오차를 반영하도록 설정하였다.

연구는 두 단계로 진행된다. 첫 번째 단계에서는 전체 측정망을 단계적으로 축소하면서 재구성 오차(루트 평균 제곱, RMSE)의 변화를 분석한다. 결과는 관측 수가 30 % 이하로 감소해도 B와 R의 비율이 적절히 조정되면 오차 상승이 완만함을 보여, 데이터 동화가 제한된 측정 환경에서도 견고함을 유지함을 증명한다. 두 번째 단계에서는 계측기의 물리적 특성(감도, 잡음 수준)과 공간적 배치를 변형시켜 재구성 효율을 비교한다. 고감도 계측기를 핵심 영역에 집중 배치했을 때, 주변부에 고르게 배치한 경우보다 RMSE가 평균 12 % 낮아졌으며, 이는 관측 연산자의 선형성 가정 하에 정보 전달 경로가 최적화되기 때문이다.

또한, 공분산 행렬의 구조적 선택이 결과에 미치는 영향을 민감도 분석으로 검증하였다. B를 대각선 형태(독립 오차)로 가정하면 국부적 불확실성 전파가 과소평가되어 재구성 품질이 저하되지만, 공간 상관성을 포함한 완전 공분산을 사용하면 관측이 없는 영역에서도 합리적인 추정이 가능함을 확인하였다. 이러한 결과는 핵심 설계 단계에서 측정망 최적화와 모델링 불확실성 관리에 데이터 동화가 핵심 도구가 될 수 있음을 시사한다.