Programmreport 2012 - DORIS - Bundesamt für Strahlenschutz

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