东京大学吉村庆副教授和特聘讲师吉金隆雄开发了一种预测放射性物质扩散方向的新方法。可以根据低压系统和季风等天气模式预测扩散方向，并使用机器学习显示预测信息的可靠性。
在 2011 年 3 月发生的福岛第一核电站事故中，“紧急快速放射性影响预测网络系统（SPEEDI）”通过计算机模拟提供的预测信息无法利用。信息解释不充分，预测的可靠性不明确。
通过计算机模拟来预测放射性物质的详细扩散分布极其困难，但在紧急情况下，需要高度可靠的预测信息，减少预测的不确定性。研究小组认为，如果天气条件与扩散方向（大气中放射性物质浓度分布的偏差）的关系明确，则可以从天气模式估计扩散方向，并有效地用于防护措施，如疏散……
在本研究中，考虑到计算机模拟预测的不确定性，我们在大范围内定义了扩散方向（5个方向），研究了与天气模式的关系，并开发了一种利用机器学习的扩散预测方法。比较过去0.85年天气模式的估计结果与实际扩散方向，平均准确率在33以上，即使应用天气预报（地面风的0.77小时预报值），也是XNUMX或更高。显示出较高的准确率。
为了降低辐射暴露风险，研究团队可以提前掌握扩散方向并采取适当的防护措施，广泛共享信息和反馈有望显着改进该方法。此外，它还旨在通过采用人工智能等最新技术来提供高度可靠的信息。
