Programmreport 2012 - DORIS - Bundesamt für Strahlenschutz
Programmreport 2012 - DORIS - Bundesamt für Strahlenschutz
Programmreport 2012 - DORIS - Bundesamt für Strahlenschutz
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Ergebnisse<br />
TB 05<br />
sicht zum Stand von Wissenschaft und Technik bei der probabilistischen/stochastischen Modellierung von Expositionen<br />
(Teil I), stellt ausführlich Methoden und Ansätze zur Bewertung der Aussagekraft von Modellprognosen<br />
bei unsicheren Eingangsdaten dar (Teil II) und erläutert Entscheidungshilfen und Kriterien zur Nutzung<br />
deterministischer bzw. probabilistischer/stochastischer Expositionsmodelle (Teil III). Wichtige mathematische<br />
Grundlagen sind in Anhängen zusammengestellt.<br />
5. ERGEBNISSE<br />
Parameterunsicherheiten sind meistens durch die Variabilität von Parametern bedingt, mit denen die Ausbreitung<br />
von Schadstoffen in den Umweltmedien und in der Biosphäre sowie die Exposition von Personen modelliert<br />
werden. Sie resultieren bei gegebener Datenbasis aber auch aus Unsicherheiten bei der Identifikation<br />
der Verteilungsart von Modellparametern sowie der Schätzung entsprechender Verteilungsparameter. Als<br />
weitere Ursachen von Parameterunsicherheiten sind Messunsicherheiten, eine unzureichende Repräsentativität<br />
der Ergebnisse von Beprobungen sowie die Übertragung von empirischen Daten früherer Untersuchungen<br />
auf neue Situationen zu nennen. Ein spezieller Aspekt betrifft die Unsicherheit von Expertenschätzungen,<br />
die benötigt werden, wenn das Systemverhalten nur unzureichend bekannt ist oder <strong>für</strong> Modellparameter generische<br />
Aussagen zu treffen sind. Gemäß ihren Konsequenzen sind aleatorische Unsicherheiten (Variabilität<br />
eines Parameters, z. B. durch die Heterogenität einer Grundgesamtheit/Population oder stochastische Prozesse<br />
bedingt, objektiv vorliegend und nicht reduzierbar) und epistemische Unsicherheiten (z. B. durch ungenaue<br />
Daten oder beschränktes Wissen bedingt, subjektiv geprägt und durch zusätzliche Daten bzw. Informationen<br />
reduzierbar) voneinander zu unterscheiden und bezüglich ihrer Auswirkungen auf die Unsicherheit der<br />
Zielgröße "Exposition" möglichst separat zu analysieren und darzustellen.<br />
5.1 STAND VON WISSENSCHAFT UND TECHNIK ZUR PROBABILISTISCHEN/STOCHASTI-<br />
SCHEN MODELLIERUNG VON EXPOSITIONEN<br />
Anhand einer schematischen Darstellung mathematischer Strukturen von komplexen (radio-)ökologischen<br />
Expositionsmodellen werden wesentliche Unterschiede deterministischer und probabilistischer Abschätzungen<br />
von Strahlenexpositionen diskutiert. Bezüglich probabilistischer Ansätze wird die vielfach angewandte<br />
einfache (1-dimensionale) Monte-Carlo-Simulation, mit der näherungsweise die Variabilität von Modellparametern<br />
erfasst wird, mit Methoden zur Berücksichtigung und separaten Bewertung von aleatorischen und epistemischen<br />
Unsicherheiten verglichen, wozu auf die 2-dimensionale Monte-Carlo-Simulation, auf BAYES-<br />
Verfahren sowie auf Verallgemeinerungen der Wahrscheinlichkeitstheorie zur mathematischen Modellierung<br />
von epistemisch unsicherem Wissen (insbesondere Evidenztheorie, Possibilitätstheorie, p-Box-Methode) eingegangen<br />
wird. Ausführlich werden auch die diversen Methoden der Sensitivitätsanalyse erläutert, mit denen<br />
z. B. beurteilt werden kann, wie sich die Varianz der Zielgröße eines Modells aus einzelnen Beiträgen der Variation<br />
bzw. Unsicherheit von Inputvariablen zusammensetzt, um <strong>für</strong> deren Sensitivität eine Rangfolge zu bestimmen.<br />
Im Ergebnis einer Recherche zum Stand der Anwendung probabilistischer Methoden bzw. von alternativen<br />
Verfahren zur Berücksichtigung aleatorischer und epistemischer Unsicherheiten bei der Modellierung von Expositionen,<br />
wozu neben Anwendungen im <strong>Strahlenschutz</strong> auch Entwicklungen im konventionellen Umweltund<br />
Gesundheitsschutz untersucht wurden, ist festzustellen, dass bei überwiegender Nutzung deterministischer<br />
Ansätze in den letzten Jahrzehnten die Anwendung probabilistischer Expositionsmodelle zunimmt. Im<br />
<strong>Strahlenschutz</strong> dominieren 1D-Monte-Carlo-Simulationen und nur vereinzelt werden Bayes-Methoden, probabilistisch-possibilistische<br />
Hybrid-Modelle und 2D-Monte-Carlo-Simulationen angewandt. Demgegenüber<br />
finden im konventionellen Umwelt- und Gesundheitsschutz Methoden, die eine separate Bewertung aleatorischer<br />
und epistemischer Unsicherheiten ermöglichen, eine stärkere Anwendung, was nicht zuletzt auf diesbezügliche<br />
Empfehlungen der Weltgesundheitsorganisation (WHO) und der US-Umweltschutzbehörde (EPA)<br />
zurückzuführen sein dürfte. Im internationalen Vergleich werden probabilistische und possibilistische Methoden<br />
<strong>für</strong> Expositionsmodellierungen in den USA, aber z. B. auch in Frankreich und Großbritannien, stärker genutzt<br />
als in Deutschland.<br />
5.2 AUSSAGEKRAFT VON MODELLPROGNOSEN BEI UNSICHEREN EINGANGSDATEN<br />
In Teil II des Abschlussberichts wird zunächst auf die Spezifizierung von statistischen Verteilungen <strong>für</strong> Modellparameter<br />
eingegangen. Für sensitive Modellparameter wird die Bestimmung des Typs univariater statistischer<br />
Verteilungen, die Berücksichtigung von Abhängigkeiten zwischen unsicheren Verteilungsparametern<br />
sowie die Analyse und Simulation von Abhängigkeiten zwischen Modellparametern mit Copulas behandelt.<br />
62 Ergebnisse der abgeschlossenen Forschungsvorhaben im Jahr <strong>2012</strong> - TB 05