MétaCan
Menu
Retour à la cohorte
Enregistrement W4407744422 · doi:10.1080/00295639.2025.2455353

CANDU Station Blackout D-PSA with RAVEN and TRACE Software

2025· article· en· W4407744422 sur OpenAlexafffundabout
Nikolai Vododokhov, Kendall Erlandson, D. R. Novog

Notice bibliographique

RevueNuclear Science and Engineering · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Diagnosis and Treatment
Établissements canadiensCanadian Nuclear LaboratoriesMcMaster University
Organismes subventionnairesCANDU Owners Group
Mots-clésBlackoutTRACE (psycholinguistics)Nuclear engineeringSoftwareComputer scienceEnvironmental sciencePhysicsEngineeringOperating system

Résumé

récupéré en direct d'OpenAlex

Nuclear energy provides a low-carbon source of electricity that provides consistent and reliable power in a cost-effective manner. However, the accident at Fukushima Daiichi in 2011 demonstrated several important lessons on nuclear power plant severe events and risk mitigation and led to important changes in designs, improvement in emergency planning, and better understanding of external event hazards. Since 2011, the Fukushima accident has also led to new methodologies to characterize risk for low-probability events such as station blackout (SBO). In particular, large external events that lead to loss of Class IV power, and subsequent failures of backup power (Class III power) and or emergency power, and where the outcome may be dependent on human/emergency response functions, require additional methodological development to better quantify the risks and consequences. Dynamic Probabilistic Safety Assessment (D-PSA) is a set of stochastic tools that allows the integration of technology availability (e.g. as in standard Probabilistic Safety Assessment), human action probability, uncertainty in predictive models, and possible deviations in the timing of any automatic or human-initiated actions. It allows the analysis of accident consequences with different mitigation strategies and action timings and can include the evaluation of both safety (e.g. dose) and/or economic consequences. It can also be used as part of a larger risk informed methodology such as the Risk Informed Safety Margin Characterization approach proposed by the U.S. Light Water Reactor Sustainability (LWRS) Program to rank safety system and operator actions in terms of their probable impact on an event. The RAVEN framework developed under the LWRS Program is used as a D-PSA driver along with the TRACE thermal-hydraulic code to quantify risk evolution during transient event sequences. This paper uses the Dynamic Event Tree approach to analyze the critical time to failure for a SBO in a CANada Deuterium Uranium (CANDU) power plant and the impact of system reliabilities and timing on event outcomes.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,076
Score d'incertitude au seuil0,256

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0040,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0760,016

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,227
Écart entre enseignants0,222 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNuclear Science and EngineeringMême sujetLung Cancer Diagnosis and TreatmentTravaux en français237 207