编辑推荐：
核电厂乏核燃料中放射性同位素衰变会威胁环境，为解决直接计算法的弊端，研究人员用克里金（Kriging）模型构建响应面评估核素活度。结果显示该方法预测准确，为核废料安全管理提供新途径。
在神秘的核能世界里，核电厂的运转为人类提供了强大的能源支持。然而，每一个运转周期结束后，从反应堆核心排出的乏核燃料（Spent Nuclear Fuel），却如同隐藏在暗处的 “定时炸弹”。这些乏核燃料通常会先暂时存放在冷却池中，最后被装入废料罐，深埋于地下 500 米处。随着时间的推移，燃料组件中的放射性同位素持续衰变，不断释放辐射，给周围的生态环境和生物带来潜在风险。
为了有效监控这些风险，准确掌握放射性同位素活度随冷却时间的变化情况至关重要。以往，最直接的办法是使用国际认可的分析软件，比如 SCALE 6.2，直接计算所有乏核燃料中放射性同位素的活度。但这种方法就像用 “牛刀杀鸡”，对于大规模的数据处理来说，不仅计算成本高昂，而且极为耗时，效率低下。在时间就是金钱、效率决定成败的现代社会，这种传统方法显然难以满足需求。于是，科研人员踏上了寻找新方法的征程，一场探索之旅就此展开。
在众多研究机构的不懈探索中，有研究人员针对这一难题展开了专项研究。他们致力于探索一种间接方法，通过运用克里金（Kriging）模型构建响应面，来快速评估不同冷却时间下乏核燃料中关键放射性核素的活度。研究人员以台湾金山核电站 1 号机组为研究样本，从存放的 3390 个乏核燃料组件中，依据初始铀 - 235 富集度、总燃耗和比功率等参数，精心挑选出 1855 个组件。随后，利用 SCALE 6.2 软件对这些组件进行深入分析，计算出 30 种对安全至关重要的放射性同位素（Critical Isotopes）的活度，构建了全面的数据库。
在建立 Kriging 模型的过程中，研究人员经历了重重挑战。他们需要精心挑选合适的参数，整个过程分为三个关键步骤：首先是初始采样，从数据库中选取合适的数据样本；接着建立 Kriging 模型来估算响应面；最后根据允许的最大误差进行优化。经过反复迭代，终于得到了最优的 Kriging 模型。这个模型综合考虑了比功率、初始铀 - 235 富集度、总燃耗和冷却时间这四个关键变量。
研究人员还对建立的 Kriging 模型进行了严格验证。他们选用台湾金山核电站和国圣核电站的乏核燃料进行测试。结果令人振奋，模型构建的响应面能够精准地预测核素活度随冷却时间的变化。这一成果意义非凡，它为电力公司安全高效地管理核废料提供了有力的技术支持，让核废料管理更加科学、可靠，仿佛为核废料这头 “猛兽” 套上了缰绳。该研究成果发表在《Applied Radiation and Isotopes》杂志上，吸引了众多科研人员的目光。
在本次研究中，研究人员主要运用了以下关键技术方法：首先是数据采集与处理技术，以台湾金山核电站 1 号机组的乏核燃料为样本，基于特定参数筛选样本，利用 SCALE 6.2 软件计算关键放射性核素活度，构建数据库。其次是 Kriging 模型构建技术，通过初始采样、模型建立和优化三个步骤，建立考虑多变量的响应面模型，用于估算核素活度。
下面来看看具体的研究结果：
- 数据准备：利用 SCALE 6.2 计算乏核燃料中关键核素的活度，该活度与冷却时间以及初始铀 - 235 富集度、总燃耗、比功率这三个运行参数相关。通过 SCALE/TRITON 耗尽序列中的 2D 耗尽能力对选定样本进行辐照和衰变建模，TRITON 将 2D 中子输运求解器 NEWT 与其他程序迭代耦合。
- 关键核素建模结果：研究共处理了 30 种与乏核燃料相关的关键核素。由于母体群体设置和样本选择不同，不同核素在最终母体群体和用于 Kriging 建模的样本大小上存在差异。其中，成功为 20 种核素建立了 Kriging 模型，这些核素能用较小样本量建模，且其活度在模型预测范围内。
- 其他电厂机组乏核燃料 Kriging 模型验证：为验证 Kriging 模型对 30 种核素的适用性，研究人员采用了两种验证方法。第一种方法是从台湾金山核电站 2 号机组中随机选取 100 个乏核燃料组件（不在之前讨论的样本群体内），对比模型预测的活度与实际活度；第二种方法未在文中明确提及，但两种方法都验证了模型的有效性。
研究结论表明，通过运用 Kriging 模型构建响应面，成功实现了一种可快速计算任意冷却时间下关键核素活度分布的方法。这一成果不仅为核废料管理提供了新的技术手段，而且在核燃料管理领域具有重要的应用价值。它能帮助相关部门更高效地评估核废料风险，合理规划核废料处理方案，保障环境安全。同时，该研究也为后续类似研究提供了宝贵的经验和参考，推动了核废料管理技术的进一步发展，在核能利用与环境保护之间找到了新的平衡，为人类安全利用核能开辟了新的道路。
