基于优化释放估计的民用放射性氙本底异常检测新方法及其在核爆炸监测中的应用

为解决国际监测系统(IMS)中放射性氙本底浓度高导致核爆炸异常信号识别困难的问题，研究人员开发了一种基于约束优化技术的背景估计方法。通过建立时间变化的133Xe释放模型，结合FLEXPART大气传输计算，显著提高了样本浓度预测准确性（相关系数达0.972），相比现行IMS分级方法大幅减少误报样本数量。该研究为CTBT核查提供了更可靠的异常检测技术路径。

　　

在全球核不扩散体系中，全面禁止核试验条约（CTBT）的国际监测系统（IMS）扮演着关键角色。其80个监测站中半数配备的放射性惰性气体监测设备，专门检测核爆炸产生的特征性氙同位素——包括^131mXe、¹³³Xe、^133mXe和¹³⁵Xe。然而令人困扰的是，这些本应指示核爆炸的信号，却经常被民用核设施（核电站、医用同位素生产设施等）的常规释放所淹没。这些民用设施释放的放射性氙同位素与核爆炸产物完全相同，使得IMS监测站采集的样本中，异常信号与高浓度本底难以区分。

2023年的核爆炸筛查演练（Maurer等人）凸显了这一挑战：当样本放射性氙活度浓度接近或低于本底水平时，现有方法难以有效辨别潜在核试验信号。更复杂的是，地下核试验产生的放射性氙释放量可能远低于民用设施（如医用同位素生产设施）的日常排放，这使得单纯依靠浓度阈值的传统方法面临巨大局限。

为解决这一难题，来自太平洋西北国家实验室（Pacific Northwest National Laboratory）的研究团队开发了一种创新的异常检测方法。该方法核心思想是：通过优化算法反演民用核设施的潜在释放率，从而更精确地预测各IMS监测站的预期本底浓度。只有当样本测量值无法被任何合理的民用设施释放组合所解释时，才被判定为“异常”。这项研究成果正式发表在《Journal of Environmental Radioactivity》。

研究人员为开展此研究，主要采用了几个关键技术方法：首先，基于HYSPLIT（Hybrid Single-Particle Lagrangian Integrated Trajectory）大气传输模型构建了源受体灵敏度矩阵（SRS矩阵），模拟了77个欧洲及俄罗斯西部核设施（包括69座核电站、4个医用同位素生产设施和4个研究堆）在2021年9-10月期间每小时释放单位活度对三个IMS监测站（NOX49、SEX63、DEX33）的浓度贡献；其次，利用cvxpy和osqp优化软件包，建立了六种不同的约束优化模型（包括Simplex、LASSO、Ridge等），以估算各设施的最佳释放率；此外，还设计了420次额外合成释放事件（每次10¹⁶ Bq的¹³³Xe），用于测试方法对非民用设施释放的检测能力。数据来源于CTBTO PrepCom提供的经审查放射性核素报告（RRRs）和未审查的脉冲高度数据（PHD）文件。

2.1 优化技术

研究比较了六种优化技术：Simplex模型通过最大化总释放量来拟合样本浓度；LASSO模型（最小绝对收缩和选择算子）在最小二乘基础上加入L1正则化惩罚项，倾向于产生稀疏解；Ridge模型使用L2正则化使释放估计更平衡；带期望正则化的Ridge模型将释放推向历史预期值；无正则化的最小二乘法；以及L1范数结合L1正则化的模型。所有模型都约束释放率在零与设施特定上限之间，并满足滑动时间窗口（24小时、3天、7天）的累积释放限制。

2.2 释放与采样位置

研究聚焦欧洲地区三个IMS监测站：挪威的NOX49（SAUNA-II采样器，12小时采集），瑞典的SEX63（SAUNA-III，6小时采集）和德国的DEX33（SPALAX，24小时采集）。考虑了77个核设施的贡献，覆盖了该地区绝大部分¹³³Xe释放源。

2.3 释放设施的大气传输建模

使用经过改装的HYSPLIT模型，基于ECMWF（欧洲中期天气预报中心）的高分辨率气象数据，模拟每个设施每小时单位释放对采样点的浓度贡献，构建SRS矩阵。计算规模巨大，共进行了2156次模拟，追踪了约2.8×10⁷颗粒物。

2.4 其他释放位置的注入

为了测试方法检测未知释放的能力，在欧洲网格点上模拟了420次额外的10¹⁶ Bq的¹³³Xe释放事件，其中155次事件对至少一个采样点产生了可探测的浓度增量（>0.002 mBq/m³）。

3.1 仅使用核设施排放解释样本浓度

结果显示，使用长期平均释放率预测样本浓度的相关系数仅为0.363，预测效果差。而各种优化技术显著改善了预测准确性：

• •
  Simplex模型将相关系数提高至0.924
• •
  LASSO模型进一步提高至0.961
• •
  Ridge系列模型及最小二乘法达到最高相关系数0.972
  所有优化模型都大幅优于基于平均释放率的传统方法。

3.2 定义异常检测规则

研究尝试了一个简单的异常判断规则：如果样本测量浓度超过优化预测值的2倍，则判为异常。应用此规则：

• •
  现行IMS分级方法（Level C）在161个样本中标记了17个异常
• •
  优化方法（Ridge with L2正则化）仅标记了4个异常，且这些异常样本并非都是高浓度样本（最低仅0.39 mBq/m³）
  这表明新方法能够识别出那些浓度不高但与本底模式不符的潜在异常信号。

3.3 识别非已知设施释放影响的样本

通过分析155次合成释放案例发现：

• •
  IMS Level C规则检测到73%的注入事件
• •
  优化方法（因子2.0规则）检测到69%的事件
• •
  将判断因子改为1.5后，检测率提高至79%
• •
  结合两种方法，可检测到93%的注入事件
  结果表明优化方法与传统方法具有互补性，结合使用可提高对未知释放的检测能力。

研究结论表明，这种基于约束优化技术的背景估计方法能够更准确地解释IMS监测站测量到的¹³³Xe活性浓度，显著减少由民用核设施本底释放引起的误报。与传统IMS分级方法相比，新方法不仅减少了被错误标记为异常的样本数量（从17个降至4个），更重要的是能够识别出那些浓度较低但可能与核爆炸相关的信号。

讨论部分强调，该方法的价值在于其不依赖于民用核设施实时释放数据的可获得性，仅需基于历史数据或专家知识设定合理的释放上限约束。这种灵活性使其在实际应用中具有显著优势，特别是在某些国家不愿分享实时核设施运行数据的情况下。

值得注意的是，该方法与传统IMS分级方法呈现互补特性。两种方法联合使用时可检测到93%的合成释放事件，远高于单独使用任何一种方法的表现。这表明在未来核爆炸监测体系中，结合多种检测策略可能会提供更强大的核查能力。

这项研究为全面禁止核试验条约的核查机制提供了新的技术工具，通过更精确地区分民用核设施本底释放与潜在核爆炸信号，增强了国际社会检测和识别违规核试验的能力。随着更多新一代惰性气体监测系统的部署，以及监测数据量的增加，这种基于优化算法的背景估计方法有望成为未来核爆炸监测体系中的重要组成部分。