核能被广泛认为是低碳电力的重要来源，并在满足全球能源需求方面继续发挥着重要作用。许多国家依赖核电站来确保能源安全和稳定的电力生产。尽管核能具有优势，但由于放射性物质意外释放可能带来的潜在放射性风险，核设施的运行需要严格的安全措施。因此，评估核事故的可能后果仍然是核安全和应急准备的关键方面（Xu, Zhang等人2021年；Ayoub, Wainwright等人2024年；Mubayi 2024年；Wei和Dewji 2024年；Ameyaw, Emi-Reynolds等人2025年）。
核电站的事故情景在严重性和复杂性上各不相同，从轻微的操作故障到涉及大量放射性物质释放的严重事件都有（Zubair, Ahmed等人2022年；Al-Aqeel和Alrammah 2023年；Najar和Wang 2025年）。常见的研究事故情景包括冷却剂丧失事故、蒸汽发生器管破裂和主蒸汽管线断裂（Alam 2024年；Najar和Wang 2025年）。这些情景在释放机制、持续时间和放射性核素组成方面有所不同。特别是未缓解的事故情景特别值得关注，因为它们代表了安全系统未能防止大量物质释放到环境中的情况，从而导致潜在的放射性影响增加（Ahn, Lee等人2023年；Chen, Liu等人2023年；Dadda, Bouali等人2024年；Maglas, Najar等人2025年；Najar, Maglas等人2025年）。
在这些情景中，主蒸汽管线断裂（MSLB）被认为是一个高后果事件，因为它直接影响反应堆冷却和包容体的完整性。严重的MSLB可能导致快速减压、反应堆核心的热量移除增加以及维持安全运行条件的挑战。在极端情况下，尤其是在未缓解的情况下，事件序列可能会发展为堆芯损坏和大量放射性物质的释放。因此，MSLB情景在压水反应堆的安全分析中受到了相当大的关注，包括VVER型反应堆（Pavlova, Andreeva等人2015年；Abaszadeh和Faghihi 2023年；Hrdy, Zimmerl等人2026年）。
任何放射性后果评估的关键组成部分是对源项的表征，源项描述了放射性核素的释放量、组成和时间。不同的放射性核素根据其活性水平、半衰期、衰变模式和化学行为对辐射暴露有不同的贡献。短寿命放射性核素可能主导早期暴露，而长寿命放射性核素可能带来长期的环境和健康风险。因此，准确表示放射性核素库存对于现实的剂量评估至关重要（CLEMENT和HAMADA，Takahara, Iijima等人2020年；Najar, Maglas等人2025年；Najar, Maglas等人2025年）。
以往关于核事故的分析主要集中在事故进展和源项估计上，同时对人类和环境的放射性剂量评估提供的信息有限且常常简化。在许多情况下，剂量评估依赖于有限的放射性核素集合和理想化的假设，这主要是由于计算限制或模型限制。此外，经常忽略影响实际人类暴露的关键局部因素，特别是建筑环境的作用。建筑物和建筑材料可以通过屏蔽效应显著减弱外部辐射，但在应急后果评估中常常忽略其影响，导致公众剂量的估计可能不现实，尤其是在城市和半城市环境中（Kai, Homma等人2020年；Kamiya 2021年；Machado, Neves等人2024年）。
因此，可靠的放射性后果评估需要一种综合方法，将快速的应急阶段剂量评估与环境 and 结构衰减的详细表示结合起来。如HotSpot代码（Homann 1994年；Steven G. 2020年）这样的应急导向的扩散工具被广泛用于在核事故的早期阶段估计大气传输和总有效剂量当量，为保护行动决策提供及时支持。然而，这些模型并未明确考虑建筑物或材料特定屏蔽效应的辐射衰减。相比之下，高保真度的辐射传输模型（如Geant4）能够进行详细的剂量计算，包括光子能量谱、材料组成、墙体厚度和结构的几何配置。因此，将大气扩散建模与结构解析的辐射传输结合起来对于实现现实的室内剂量估计和克服基于开放场的独立评估的局限性至关重要（Apostolakis, Arce等人2003年；Organization 2013年；Inoue, Fukushi等人2020年；Alam 2024年；de Sá Sanchez, dos Santos Nicolau等人2024年；Garba, Aliyu等人2024年；Maglas, Najar等人2024年；Zubair和Akram 2024年；Najar, Maglas等人2025年；Saxena和Sharma 2025年）。
为了进一步说明本研究采用的方法论框架，进行了文献计量网络分析，以探索放射性后果评估的最新研究趋势。基于过去十年Scopus数据库中索引的98篇同行评审文章生成了关键词共现图（图1）。这项分析并不比较或校正HotSpot和Geant4得到的结果；相反，它提供了这两种建模方法在现有文献中如何独立应用的概览。确定了两个主要的研究集群：一个主要与大气扩散和应急剂量评估相关，另一个专注于详细的辐射传输和剂量测量。第一个集群以HotSpot代码为中心，与核事故、气象学、大气扩散、有效剂量和总有效剂量当量密切相关，反映了其在快速早期放射性评估中的广泛应用。
相比之下，第二个集群以Geant4和蒙特卡洛模拟方法为中心，主要与辐射剂量计算、屏蔽分析、人类暴露和辐射防护相关。两个集群之间的概念重叠有限，表明基于HotSpot的扩散建模和基于Geant4的辐射传输模拟在以前的研究中通常是独立应用的。这种分离突显了现有文献中的方法论空白，即应急规模的大气扩散评估很少与高保真度的材料级剂量建模相结合。本研究通过在一个统一的框架内结合这两种方法，实现了对放射性后果更现实和全面的评估。
近年来，人工智能和机器学习技术越来越多地应用于辐射防护和核安全研究，作为提高预测准确性、降低计算成本和快速评估复杂系统的有效工具（Najar和Wang 2024年；Najar和Wang 2026年）。机器学习方法通常用于增强、加速或补充传统的剂量评估方法，通过学习非线性关系并在不同条件下最小化数值不确定性。然而，尽管取得了这些进展，大多数现有研究仍然将机器学习孤立使用或作为后处理工具，而没有在统一的建模框架内完全整合真实的源项数据、多路径剂量评估和建筑特定屏蔽效应。因此，机器学习在支持考虑不确定性的、结构解析的放射性后果评估方面的潜力尚未得到充分开发（Ling, Yue等人2021年；Ling, Liu等人2023年；Elhaie, Koozari等人2025年；Looe, Reinert等人2025年；Najar, Maglas等人2025年）。
本研究建立了一个集成的、物理上一致的建模框架，用于评估VVER-1000反应堆中严重未缓解的主蒸汽管线断裂的放射性后果。分析不仅依赖于基于扩散的室外剂量估计，还明确地将大气传输、辐射屏蔽和考虑不确定性的建模结合在一个统一的工作流程中。首先使用HotSpot基于科学选择的包含五十种关键放射性核素的源项来量化应急阶段的暴露。然后，这些结果系统地与高保真度的Geant4辐射传输模拟相结合，以解决实际建筑类型和材料的结构特定衰减问题。为了克服大规模蒙特卡洛屏蔽分析的计算限制，开发了经过严格验证的机器学习替代模型，并在物理上受到约束，以接近蒙特卡洛的准确性再现Geant4的行为。这使得能够进行随机室内剂量评估，并明确传播由结构异质性和光子能量变化引起的认知不确定性。通过这种多阶段、交叉验证的方法，研究超越了应急评估中常用的纯确定性、基于开放场的后果建模，提供了一种现实的、可扩展的、可辩护的方法来评估极端事故条件下的人类暴露、疏散规划和保护行动的有效性。
