Final disposal of radioactive waste generated from Nuclear Power Plant (NPP) requires the detailed information about the characteristics and the quantities of radionuclides in waste package. Most of these radionuclides are difficult to measure and expensive to assay. Thus it is suggested to the indirect method by which the concentration of the Difficult-to-Measure (DTM) nuclide is estimated using the correlations of concentration - it is called the scaling factor - between Easy-to-Measure (Key) nuclides and DTM nuclides with the measured concentration of the Key nuclide. In general, the scaling factor is determined by the log mean average (LMA) method and the regression method. However, these methods are inadequate to apply to fission product nuclides and some activation product nuclides such as 14 and 90 . In this study, the artificial neural network (ANN) method is suggested to improve the conventional SF determination methods - the LMA method and the regression method. The root mean squared errors (RMSE) of the ANN models are compared with those of the conventional SF determination models for 14 and 90 in two parts divided by a training part and a validation part. The SF determination models are arranged in the order of RMSEs as the following order: ANN model

가압경수형 원자력발전소 일차계통에서 발생되는 방사성 부식생성물(크러드)은 원자력발전소 작업종사자 피폭의 주요원인이다. 또한, 최근 원자력발전소의 장주기운전 추세에 따라 장기간 노심에 침적된 방사성 부식생성물은 hideout 현상으로 노심의 출력에 영향을 주는 축방향이상출력 (AOA) 현상의 원인이 되고 있다. 크러드의 주요 성분은 마그네타이트, 니켈 페라이트, 코발트 페라이트가 주를 이루며, 이러한 산화물 형태는 강자성의 자기적 성질을 가지고 있다. 따라서, 전자석과 영구자석의 적절한 배치를 통하여 자기장을 발생시켜 크러드를 제거하는 필터 개발을 위해 개념 설계를 하였다. 기존의 필터와 달리 유체의 흐름을 방해하지 않아 압력저하 현상이 발생하지 않고, 연속적으로 사용할 수 있는 장점이 있다. 크러드 제거 기술의 하나로써 활용될 수 있을 것으로 기대된다.