Exploring a new machine learning based probabilistic model for high-resolution indoor radon mapping, using the German indoor radon survey data

要約

ラドンは発がん性のある放射性ガスで、屋内に蓄積する可能性があります。
したがって、室内ラドン濃度の正確な知識は、ラドン関連の健康への影響を評価したり、ラドンが発生しやすい地域を特定したりするために非常に重要です。
全国規模での屋内ラドン濃度は、通常、大規模な測定キャンペーンに基づいて推定されます。
ただし、地質ラドンの利用可能性や床レベルなど、屋内ラドン濃度を制御する関連要因が多数あるため、サンプルの特性は母集団の特性とは異なることがよくあります。
さらに、サンプルサイズにより、通常、高い空間解像度での推定は不可能です。
私たちは、純粋にデータベースのアプローチよりも高い空間分解能で屋内ラドン分布のより現実的な推定を可能にするモデルベースのアプローチを提案します。
2 段階のモデリング アプローチが適用されました。1) 環境データと建物データを予測変数として使用する分位回帰フォレストを適用して、ドイツの各住宅建物の各階レベルの屋内ラドンの確率分布関数を推定しました。
(2) 確率的モンテカルロ サンプリング手法により、フロアレベルの予測の組み合わせと母集団の重み付けが可能になりました。
このようにして、個々の予測の不確実性が、集約レベルでの変動の推定値に効果的に伝播されます。
結果は、算術平均が 63 Bq/m3、幾何平均が 41 Bq/m3、95 %ile が 180 Bq/m3 の近似対数正規分布を示しています。
100 Bq/m3 と 300 Bq/m3 の超過確率は、それぞれ 12.5 % (1,050 万人) と 2.2 % (190 万人) です。

要約(オリジナル)

Radon is a carcinogenic, radioactive gas that can accumulate indoors. Therefore, accurate knowledge of indoor radon concentration is crucial for assessing radon-related health effects or identifying radon-prone areas. Indoor radon concentration at the national scale is usually estimated on the basis of extensive measurement campaigns. However, characteristics of the sample often differ from the characteristics of the population due to the large number of relevant factors that control the indoor radon concentration such as the availability of geogenic radon or floor level. Furthermore, the sample size usually does not allow estimation with high spatial resolution. We propose a model-based approach that allows a more realistic estimation of indoor radon distribution with a higher spatial resolution than a purely data-based approach. A two-stage modelling approach was applied: 1) a quantile regression forest using environmental and building data as predictors was applied to estimate the probability distribution function of indoor radon for each floor level of each residential building in Germany; (2) a probabilistic Monte Carlo sampling technique enabled the combination and population weighting of floor-level predictions. In this way, the uncertainty of the individual predictions is effectively propagated into the estimate of variability at the aggregated level. The results show an approximate lognormal distribution with an arithmetic mean of 63 Bq/m3, a geometric mean of 41 Bq/m3 and a 95 %ile of 180 Bq/m3. The exceedance probability for 100 Bq/m3 and 300 Bq/m3 are 12.5 % (10.5 million people) and 2.2 % (1.9 million people), respectively.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google