Submitted by Almir Azevedo (barbio1313@gmail.com) on 2018-06-07T17:17:44Z No. of bitstreams: 1 dissertacao mestrado ien 2018 Kelcio Jose Gomes.pdf: 23521797 bytes, checksum: 9f86dd75bf1d595f5e579d31365eb4a4 (MD5) / Made available in DSpace on 2018-06-07T17:17:44Z (GMT). No. of bitstreams: 1 dissertacao mestrado ien 2018 Kelcio Jose Gomes.pdf: 23521797 bytes, checksum: 9f86dd75bf1d595f5e579d31365eb4a4 (MD5) Previous issue date: 2018-04 / Este trabalho apresenta um aplicativo móvel de previsão de doses para casos de emergências em Centrais Nucleares com liberação de material nuclear. O objetivo consiste em prover um suporte extra para a tomada de decisões de equipes de campo quando a os sistemas de informações da planta estiverem indisponíveis. Contudo, a previsão de doses devido a dispersão de radionuclídeos na atmosfera requer a execução de modelos físicos altamente complexos e computacionalmente intensos. Para que essas previsões sejam possíveis de serem feitas usando recursos computacionais limitados como, por exemplo, telefone celular é proposto neste trabalho o uso de Redes Neurais Artificiais (RNA) previamente treinadas (modo off-line) com dados obtidos por simulações precisas utilizando-se do Sistema de Dispersão Atmosférica. Para isso, foram consideradas situações típicas para cada acidente postulado, bem como uma ampla gama de condições meteorológicas. Como passo inicial, foram investigadas diversas arquiteturas de RNA para avaliar a capacidade de previsão de dose em cenários hipotéticos nas vizinhanças da Central Nuclear Brasileira da CNAAA, em Angra dos Reis, Rio de Janeiro. Como resultado, obteve-se um ótima generalização e um coeficiente de correlação de 0,99 para um conjunto de dados de avaliação (padrões não usados em treinamento). Diante disso, as RNAs selecionadas foram codificadas na Linguagem de Programação Java para serem executadas em um aplicativo da plataforma Android destinado a traçar a distribuição da dose espacial no mapa da região em questão. Neste trabalho, descreve-se a arquitetura geral do sistema proposto, resultados numéricos e comparações entre as arquiteturas investidas de RNA são discutidas. Além disso, o desempenho e limitações da execução numa plataforma de celular móvel são avaliados e possíveis melhorias e trabalhos futuros são apontados. / This work presents the approach of a mobile dose prediction system for NPP emergencies with nuclear material release. The objective is to provide extra support to field teams decisions when plant information systems are not available. However, predicting doses due to atmospheric dispersion of radionuclide generally requires execution of complex and computationally intensive physical models. In order to allow such predictions to be made by using limited computational resources such as mobile phones, it is proposed the use of artificial neural networks (ANN) previously trained (offline) with data generated by precise simulations using the NPP atmospheric dispersion system. Typical situations for each postulated accident and respective source terms, as well as a wide range of meteorological conditions have been considered. As a first step, several ANN architectures have been investigated in order to evaluate their ability for dose prediction in hypothetical scenarios in the vicinity of CNAAA Brazilian NPP, in Angra dos Reis, Brazil. As a result, good generalization and a correlation coefficient of 0.99 was achieved for a validation data set (untrained patterns). Then, selected ANNs have been coded in Java programming language to run as an Android application aimed to plot the spatial dose distribution into a map. In this work, the general architecture of the proposed system is described; numerical results and comparisons between investigated ANN architectures are discussed; performance and limitations of running the Application into a commercial mobile phone are evaluated and possible improvements and future works are pointed.