원전에서 발생된 중저준위 방사성 폐기물의 경우 처분장으로 이송되기 이전에 드럼에 대한 세부적인 정보 특히 핵종 재고량에 대한 평가가 수행되어야 한다. 그러나 드럼처리된 방사성폐기물의 경우 평가 대상 핵종 농도에 대한 예측이 어려운 것이 일반적이다. 따라서 이를 극복하고자 직접측정이 어려운 경우 척도인자 방법을 활용하고 있다. 국내의 경우 1996년부터 고리원전에서 척도인자 개념이 적용된 핵종분석장치를 운영해오고 있다. 그러나 고리원전에 적용된 척도인자의 경우 많은 개선의 여지가 남겨져 있다. 따라서 현재 척도인자의 향상을 위한 연구가 진행 중에 있다. 본 논문에서는 연구의 범위에 대한 개략적인 소개와 핵종 재고량 평가 방법 중 보다 신뢰할 수 있는 평가 방법을 찾고자 통계적인 척도인자 평가 방법을 비교 평가했으며 이를 통해 고리원전에 사용된 산술평균 방법을 기하평균 방법으로 바꾸는 것이 예측의 정확성을 향상시킬 수 있을 뿐만 아니라 드럼내 핵종 재고량의 과대평가를 막고 합리적인 보수성을 유지할 수 있음을 알수 있었다.

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