土壌中の使用済み核燃料炭素鋼容器の外部腐食速度の予測の機械学習モデリング

Aug 30, 2023

Scientific Reports volume 12、記事番号: 20281 (2022) この記事を引用

1017 アクセス

3 オルトメトリック

メトリクスの詳細

土壌腐食は、これまで、そして最近では使用済み核燃料容器の焦点となっているように、土壌インフラの経済的影響のため、腐食工学にとって常に重大な懸念事項です。 腐食保護に加えて、キャニスターの腐食予測も重要です。 特定の環境における使用済み核燃料容器の材料の腐食速度に関する高度な知識は、最適な保護方法を選択する際に非常に役立ちます。 機械学習 (ML) を腐食速度予測に適用すると、土壌腐食に影響を与える変数が多数あるため、すべての課題が解決されます。 この研究では、系列個別、ブースティング、バギング人工ニューラル ネットワーク (ANN)、系列個別、ブースティング、バギング カイ二乗自動相互作用検出 (CHAID) ツリー決定、線形回帰 (LR)、およびアンサンブル学習を含む、ML のいくつかのアルゴリズムを使用します。 (EL) 上記の 3 つのアルゴリズム メソッドから収集した最適なオプションをマージします。 各モデルの性能から最も精度の高いモデルを見つけるのがアンサンブルスタッキング手法です。 平均絶対誤差性能行列を図 15 に示します。ML を適用することに加えて、入力変数の重要性は特徴重要度基準を使用した感度分析によっても決定され、炭素鋼の腐食速度は温度と塩化物に最も敏感です。

土壌腐食は、核廃棄物を含む使用済み核燃料容器などの地下インフラの事例が数多く存在するため、大きな注目を集めています1、2、3、4。 このインフラは現代の生活において不可欠であり、重要な役割を果たしています。 放射性廃棄物の長期保存は、依然として世界中で大きな課題となっています。 これらのシステム内の燃料と排出される燃料は、最長 100 年間保管する必要がある場合があります。 地下廃棄物保管に使用されるキャニスターには、炭素鋼、ステンレス鋼、ニッケル合金、チタン合金など、さまざまな種類があります。キャニスターが腐食したり、亀裂が入ったり、長期間使用しても交換できなくなったりすると、重大な経済的影響を及ぼします5。 。 金属の腐食速度と土壌の特性を事前に知ることは、エンジニアがパイプラインに適した保護方法を見つけるのに非常に役立ちます6、7、8、9。 しかし、土壌環境には、土壌水中の化学物質濃度、土壌水分、土壌構造など、腐食速度に影響を与える多くの要因があるため、土壌などの複雑な環境での腐食速度を予測することは容易ではありません10。 マッテオ・ステファノーニら。 彼らは、水が土壌の空隙を満たす間隙率の関数として腐食速度を予測できる方程式を説明する非常に成功した研究を発表しました11,12。 モハメド・エル・アミン・ベン・セギエ 他石油とガスのパイプラインの内部腐食速度を予測しました13。 しかし、土壌溶液の組成とその温度に基づいて地下金属の外部腐食速度に影響を与える要因を研究した研究者はいません。

現代世界では、機械学習アルゴリズムを使用して、ほとんどすべての手動タスクを自動化できます14。 機械学習 (ML) には、幅広い産業用途の可能性があります 15、16。 機械学習手法は、複数の変数を含む予測モデルに適しています17。 最近、多くの科学分野で機械学習が学際的な予測に適用されています17、18、19。 腐食の分野でも、多くの科学者が機械学習を適用して、大気中の腐食速度、腐食防止剤の性能、腐食挙動を予測してきました20、21、22、23、24。 しかし、土壌環境における炭素鋼製キャニスターの腐食速度の予測に焦点を当てた研究はあまりありません。 私たちのこれまでの研究では、応答曲面法（RSM）10と土壌溶液のpH、塩素、温度を異なる調査範囲で使用し、土壌溶液のpH、塩素、硫酸塩濃度の影響に基づいて炭素鋼の腐食速度を予測することが含まれていました。 RSM と人工ニューラル ネットワーク (ANN) を使用した値 25。 私たちのこれまでの研究の限界は、腐食因子が 3 つしかないことです。