Osäkerheter i observationer och beräkningar

FOI har från SSM erhållit ett forskningsuppdrag med syfte att studera osäkerheter i observationer och beräkningar med syftet att bättre kunna beskriva effekten av den kombinerade osäkerheten av alla inparametrar i utdata från ett prognosverktyg. Generellt presenteras resultat från spridningsberäkningar som deterministiska punktskattningar, dvs. svaret från spridningsberäkningen, koncentrationen av farligt ämne, presenteras enbart som ett värde. De spridningsberäkningar som till dags dato utförts vid Totalförsvarets forskningsinstitut utgör inget undantag från detta. Arbetsmetoden utgår förvisso från ett antal olika scenarion "värsta rimliga utfall", "sannolikt utfall" och "rimligt gynnsamt utfall", men resultaten har presenterats i en form som liknar exakta svar. Eftersom en spridningsberäkning eftersträvar att simulera de luftflöden som finns i atmosfären och en utsläppt gas eller partikels, i praktiken delvis stokastiska, interaktion med denna är det naturligt att beskriva den beräknade koncentrationen som en slumpvariabel, något som påpekades tidigt i litteraturen (Lewellen and Syke, 1989). Den resulterande koncentrationen är en slumpvariabel och bör därför också beskrivas som en sådan, dvs. koncentrationen bör därför presenteras med ett medelvärde, varians och sannolikhetsfördelning. Osäkerheten i koncentrationsdata kommer dels från osäkerheter i spridningsmodellens inparametrar, dels från osäkerheter från beräkningsmodellerna och dels från osäkerheter till följd av modellfel samt stokastiska processer i naturen. I den här rapporten fokuserar vi på att karaktärisera osäkerheten som kommer från spridningsmodellens inparametrar. Inledningsvis presenteras en genomgång av olika metoder (främst numeriska) som kan användas för att skatta osäkerheten i koncentrationen till följd av osäkerheter i inparametrarna. Därefter följer en fallstudie (en urspårning av tågvagnar innehållandes klorgas utanför Kungsbacka) som har till syfte att dels visa att vi kan hantera osäkerheter i indata (med en Latin Hypercube Sampling metod) och propagera dessa genom spridningsmodellen till osäkerhet i koncentrationen, och dels för att faktiskt ge en känsla för hur stor osäkerheten kan vara i ett verkligt fall. Osäkerheterna presenteras sedan på några olika sätt, och efterföljs av en diskussion och slutsatser. En viktig observation är att om en olycka skett, eller om man planerar för att kunna hantera en olycka, så är det inte främst traditionella statistiska metoder som krävs utan extremvärdesstatistik.