PRELIMINARY METHODOLOGY FOR THE ANALYSIS OF THE NATIONAL RESEARCH UNIVERSAL REACTOR USING INTEGRATED SEVERE ACCIDENT MODELLING CODES
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The National Research Universal (NRU) Reactor is a multi-purpose research reactor located at Atomic Energy of Canada Limited (AECL) Chalk River Laboratories. The severe accident case for the NRU has been explored through deterministic and probabilistic safety analysis (PSA) including multi-level PSAs that detail the progression and consequences of a severe accident in the NRU. These previous calculations lack the interconnected and comprehensive features of a full severe accident modelling code that is now the standard for severe accident analysis of power reactors. It was of interest within AECL to evaluate modern severe accident modelling codes to the NRU reactor case to enhance the understanding of accident progression and predict the system damage and radiation release consequences of a severe accident, which is a very low probability event. The NRU is smaller and operates at a lower power than the large scale power reactors (e.g., pressurized heavy water reactors, pressurized water reactors, and boiling water reactors) that these codes were designed to analyze. Additionally, the NRU has a unique design different from the power reactors and several features relevant to severe accidents including filtered venting, large passive heat sinks, and a dispersion fuel design of uranium-silicide in an aluminum matrix. The major severe accident analysis codes available to AECL and their applicability to the NRU are explored in this paper. In addition, a preliminary strategy for employing the most applicable codes to the NRU for the purposes of severe accident modelling is proposed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,027 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle