原子力発電所におけるオペレーターの状況認識の定量的評価と予測のための動的ベイズおよび機械学習フレームワーク

要旨: オペレーターの状況認識は、複雑な原子力制御環境における人間の信頼性を左右する、極めて重要でありながら捉えどころのない決定因子である。SAGATやSARTなどの既存の評価手法は、静的で、回顧的で、運用リスクを引き起こす進化する認知ダイナミクスから乖離している。これらの限界を克服するため、本研究は状況認識のための動的ベイズ機械学習フレームワーク（DBML SA）を提案する。これは、確率的推論とデータ駆動知能を統合した統一的なアプローチで、定量的で解釈可能かつ予測的な状況認識モデリングを実現する。2007年から2021年までの212件の運用イベント報告を活用し、このフレームワークは複数の認知レイヤにわたる11のパフォーマンス形成因子の因果的時系列構造を再構築する。ベイズ成分は不確実性下での状況認識の信頼性の時系列推定を可能にし、一方でニューラル成分はPSFsからSARTスコアへの非線形予測マッピングを確立し、平均絶対パーセンテージ誤差を13.8％に抑え、主観的評価と統計的一致性を示す（p > 0.05）。結果は、訓練品質とストレスのダイナミクスが状況認識の低下を引き起こす主要な原動力であることを浮き彫りにしている。全体として、DBML SAは従来の質問票ベースの評価を超え、リアルタイムの認知モニタリング、感度分析、早期警告予測を実現し、次世代のデジタルメインコントロールルームにおけるインテリジェントな人間と機械の信頼性管理への道を開く。