Review of the Modelling of Corrosion Processes and Lifetime Prediction for HLW/SF Containers—Part 2: Performance Assessment Models
Notice bibliographique
Résumé
The disposal of high-level radioactive waste (HLW) and spent nuclear fuel (SF) presents a unique challenge for the prediction of the long-term performance of corrodible structures since the HLW/SF canisters are expected, in some cases, to have lifetimes of one million years or longer. Various empirical and deterministic models have been developed over the past 45 years for making predictions of the long-term corrosion behaviour, including models for uniform and localized corrosion, environmentally assisted cracking and microbiologically influenced corrosion. As well as process models focused on specific corrosion mechanisms (described in Part 1 of this review), there is also a need for performance assessment models as part of the overall analysis of the safety of a deep geological repository (DGR). Performance assessment models are often based on simplified or abstracted process models. The manner in which various international waste management programs have predicted the long-term performance of HLW/SF containers with copper, steel, Ni and Ti alloy corrosion barriers is discussed. Performance assessments are repeated periodically during the development and implementation of a DGR, and the corrosion models are constantly updated in light of new mechanistic understanding and/or more information about the deep geological environment. Two examples of how the container performance assessment models evolve over time are also described. Performance assessment models cannot easily be validated, so it is important to build confidence in the long-term predictions using other methods, including natural analogues and large-scale in situ tests and the use of complementary models.
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.
Comment cette classification a été obtenuedéplier
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».