JP2004025160A

JP2004025160A - 神経回路網及び逆転波アルゴリズムによる下排水処理人工知能制御システム及び方法

Info

Publication number: JP2004025160A
Application number: JP2002304244A
Authority: JP
Inventors: Ik-Bae Yang; 染　益　倍
Original assignee: H2L Co Ltd
Current assignee: H2L Co Ltd
Priority date: 2002-06-21
Filing date: 2002-10-18
Publication date: 2004-01-29
Anticipated expiration: 2022-10-18
Also published as: EP1376276B1; EP1376276A1; CN1325393C; DE60214988T2; KR20030097425A; ATE341021T1; US20030234218A1; US6808630B2; DK1376276T3; KR100456413B1; CN1465534A; DE60214988D1; JP4401638B2

Abstract

【課題】溶存酸素、微生物滞留時間等の可変因子を自動制御する人工知能制御方法を提供する。
【解決手段】合流式下水管渠を通じて下水処理場に流入する流動的設計因子である生物学的酸素要求量、流入流量及び水温を自動に測定して得られるデータを通じて初期設計時に適用される固定因子である各反応槽及び沈殿槽の容積を考慮した滞留時間を適用して、制御因子の好気槽１段及び好気槽２段の溶存酸素量及び微生物滞留時間等の目標値を求め、また現在値を通じて供給空気制御用弁及びスラッジ引抜ポンプの自動制御方法により、既存の専門家の知識を収集して最適な知識−ベースを作成し、これを用いて人工知能（神経制御器）を学習させ、温度の変化及び濃度の変化などに対応する溶存酸素の濃度を設定し、適切なＳＲＴを算出して剰余スラッジ等を制御する学習方法と制御するアルゴリズムを用いる下排水処理の制御方法。
【選択図】　　　　図１

Description

【０００１】
【発明の目的】
【発明の属する技術分野及びその分野の従来技術】
本発明は、流入水の性状と反応槽内の状態及び目標処理水質に基づく溶存酸素並びに微生物の滞留時間などの可変因子を自動制御する人工知能制御システムに関するものであって、更に詳しくは、韓国の特性上、合流式下水管渠を通じて下水処理場に流入される流動的設計因子である生物学的酸素要求量（以下、ＢＯＤという）、流入流量及び水温を自動に測定して得られるデータを通じて初期設計時に適用される固定因子である各反応槽及び沈殿槽の容積を考慮した滞留時間を適用して、制御因子の好気槽１段及び好気槽２段の溶存酸素量（以下、溶存酸素量という）及び微生物滞留時間（以下、ＳＲＴという）といった目標値（ｓｅｔｐｏｉｎｔ；以下、ＳＰという）を求め、また現在値（以下、ＰＶという）を通じて供給空気制御用弁（以下、Ｃ／Ｖという）及びスラッジ引抜ポンプを自動に制御する方法により、既存の専門家達の知識［例えば、流入特性としてＢＯＤ、温度、流量と、反応槽の特性として溶存酸素、活性微生物濃度（以下、ＭＬＳＳという）と、設計要素としてＳＲＴと、処理水特性として総窒素濃度（以下、Ｔ−Ｎという）、ＢＯＤを含む］を収集して最適な知識−ベースを作成し、これを用いて人工知能（神経制御器）を学習させ、温度の変化及び濃度の変化などに対応する溶存酸素の濃度を設定し、適切なＳＲＴを算出して剰余スラッジなどを制御する学習方法と制御するアルゴリズムを用い、この人工知能制御学習方法は工法間の違いと下水処理場の容量及びフロー（ｆｌｏｗ）の変化などにもかかわらず、若干の修正と新しいデータを用いた再学習とチューニングにより大部分の下水処理場に適用することができ、新しいデータの蓄積によって、新しく、より良い効率を有するようにチューニングする人工知能制御システムに関するものである。
【０００２】
一般的な下排水処理場の従来の自動制御システムは、季節の温度差、流入水のＢＯＤ濃度、流量などを考慮した運転者の経験に頼ってＳＰを設定し、これに基づくＰＩＤ及びＯＮ／ＯＦＦ制御システムを主に使用している。ここで運転者は、一日のデータを総合的に判断し、溶存酸素及びＳＲＴを数日に一度ずつＳＰを変更しながら制御している実情である。
【０００３】
その一例として最も常用化しているプログラマブルロジックコントローラー（以下、ＰＬＣという）を利用した自動制御システムの場合には：
ＢＯＤ、流入流量及び水温といった流入水の特性及びＳＰ制御のための好気槽１段の溶存酸素、好気槽２段の溶存酸素、曝気槽ＭＬＳＳ、スラッジ濃度、引抜流量または流出水ＢＯＤといった計測器から得られるデータを伝送し；
次いで、ＰＬＣの入出力カード（以下、それぞれＡ／Ｄカード、Ｄ／Ａカードという）から得られたデータを小容量の遂行速度を有するＰＬＣに内蔵されたＣＰＵを介して演算処理及び比例積分微分（以下、ＰＩＤという）及びＯＮ／ＯＦＦ制御し、且つ、インターフェースを介してＲＳ−２３２Ｃを通信信号を通じてコンピュータへ、ＰＬＣから入出力されるデータを伝送する。
【０００４】
以降、コンピュータでは単にＰＬＣから入出力されるデータを肉眼にて確認可能な物理量のデータに換算表示及び貯蔵並びに管理する機能だけを行っている実情である。
【０００５】
斯かる方法によって自動制御されるシステムは単純であるが、流動的な流入水の性状に基づく連続的なＳＰによる溶存酸素及びＳＲＴの制御が難しいだけでなく、運転者の直感による時時刻刻、毎日、季節に応じた変化を総合的に適用してＳＰを制御することは困難である。また、下排水の処理効率を増大させる方法により連続的に制御することは不可能な実情であり、運転者の出張時や変更時には既存の処理効率をそのまま維持するだけでなく、効率を増大することは相当難しい問題点を有している。
【０００６】
【発明が解決しようとする技術的課題】
本発明は、前記のような従来技術の問題点を解消するために、季節変化に応じた運転因子を経験に頼るというよりは、既存のデータを用いた相関関係を導き出し、これに基づく溶存酸素、ＳＲＴ制御を通じた処理効率を増大するための制御案及び季節別に応じた運転制御を可能とする。また、運転管理の非効率性により人件費、電力費などの運転費が増加する要因を減少させようとするものである。
【０００７】
斯かる目的を達成するための本発明は、下排水処理の制御方法において、前記下排水処理場に流入する流入水特性と、反応槽状態特性と、流出水効率特性の流動的な現在値を複合的に測定する段階と；前記測定された流動的現在値のデータをコンピュータで収集し、物理量データに演算処理する段階と；前記コンピュータにおいてプログラムによって前記測定された特性の現在値を比較して、好気槽１段の溶存酸素量及び好気槽２段の溶存酸素量と微生物滞留時間（ＳＲＴ）における最適の目標値（ＳＰ）を求める段階と；求められた最適の目標値（ＳＰ）を現在の好気槽１段及び好気槽２段の要存酸素及び微生物滞留時間（ＳＲＴ）の現在値と比較してアナログ及びディジタル制御出力値に演算処理する段階と、得られた前記制御出力値により好気槽１段及び好気槽２段の空気調節弁とスラッジ引抜ポンプを制御する段階とを含み、前記プログラムは逆転波アルゴリズムを用いた神経回路網制御プログラムによって前記最適目標値を求めることを特徴としている。
【０００８】
また、下排水処理制御システムにおいて；前記下排水処理場に流入する流入水特性と、反応槽状態特性と、流出水効率特性の流動的な現在値を複合的に測定する段階と；前記測定された流動的現在値のデータを収集し、物理量データに演算処理し、プログラムによって前記測定された特性の現在値を比較して、好気槽１段及び好気槽２段の溶存酸素量と微生物滞留時間（ＳＲＴ）における最適の目標値（ＳＰ）を求め、求められた最適の目標値（ＳＰ）を現在の好気槽１段及び好気槽２段の溶存酸素及び微生物滞留時間（ＳＲＴ）の現在値と比較してアナログ及びディジタル制御出力値に演算処理するコンピュータ手段と；得られた前記制御出力値により好気槽１段及び好気槽２段の空気調節弁とスラッジ引抜ポンプを制御する手段とを含み、前記プログラムは逆転波アルゴリズムを用いた神経回路網制御プログラムによって前記最適目標値を求めることを特徴としている。
【０００９】
【発明の構成】
以下添付の図面に基づいて本願の構成を詳細に説明すると以下の通りである。
【００１０】
図１は本発明の制御システムの全体構成を示している。構成から分かるように、ＢＯＤ、流入流量及び水温といった流入水の特性およびＳＰ制御のための好気槽１段の溶存酸素、好気槽２段の溶存酸素、曝気槽ＭＬＳＳ、スラッジ濃度、引抜流量又は流出水ＢＯＤのように、計測器（１０、１１、１２）から得られるデータはＰＬＣ（１４）のＡ／Ｄカード（１０１）へアナログ信号として伝送される。
【００１１】
このデータは、図２にて示す順序図によりシステム段階を構成する。プログラムが始まって初期化（２０１）すれば既存のデータを収集し（２０２）、データ濾過（２０３）段階を経て、計測した流入水の特性、反応槽の状態、流出水の特性が入力されて（２０５）現状態の把握段階（２０４）を経る。把握された現在値はＳＰ入力値（２０６）とともに、制御出力演算（２０７、２１０、２１１）を行い、それぞれアナログ及びディジタル信号として制御出力（２０９、２１２）し、同時にＰＬＣ（１４）のメモリに貯蔵（２１８）する。以後、効率判断（２１４）において適している場合は、移動平均の過程を経て物理量に換算処理（２１７）した後、データ日付別貯蔵（２２１）及び初期値貯蔵（２１９）を行い、また図１に示すＲＳ２３２Ｃ通信手段（１０６）を通じてインターネット伝送制御プロトコル／インターネットプロトコル（以下、ＴＣＰ／ＩＰという）で両方向通信及びコンピュータ画面に表示（２２０）する。
【００１２】
図３では本発明に用いられるプログラムの主要機能を行う順序図を示している。前記プログラムが始まって初期化（３０１）された後は、収集されたデータ（３０３）と換算処理された流入水の特性（３０４）に基づく物理量データは複合的に比較演算処理する過程（３０５）を経る。前記複合比較演算処理過程を通じて、温度と流入水の特性、流量などに関係なく、一定濃度以上の脱窒、脱リンを行うことができ、水処理工程を人工知能化、自動化して高効率の安定した水処理システムを構築し、データベースの構築と人工知能制御（神経網）で自動化するのに必要な計測器の一定性、安全性、自動制御システムの安定性などを確保し、また、四季の温度や流入水の濃度に関係なく処理効率を高めることのできる好気槽１段及び好気槽２段の溶存酸素並びにＳＲＴでの最適のＳＰ（３０６、３０７）を求める。
【００１３】
ここで求められた好気槽１段及び好気槽２段−溶存酸素及びＳＲＴでの最適のＳＰはそれぞれ複合比較演算処理し（３０８、３０９）、それぞれのアナログ制御出力（３１０）とディジタル制御出力（３１３）のために、それぞれアナログ出力演算（３１１）とディジタル出力演算（３１２）を行い、また、各制御出力はメモリに貯蔵され（３１４）、インターネット伝送（３１５）及び初期値の貯蔵（３１６）、画面上の表示（３１７）の日付別テキストの貯蔵（３１８）又はデータベースへの登録（３１９）などに利用される。
【００１４】
ここで用いられる全体的な学習と適用過程は図４に示されている。
人工知能制御は流入水ＢＯＤ、反応槽の溶存酸素、ＭＬＳＳ、処理水の総窒素濃度、ＢＯＤのような専門家の知識データを収集及び取得（４０１）し、このデータを分析してデータ規則を作成する（４０２）。
【００１５】
該データ規則を神経回路網によって学習（４０３）されるが、ここで神経回路網は逆転波アルゴリズム（Ｂａｃｋ−Ｐｒｏｐａｇａｔｉｏｎ）と、数学式１でのようにＬｅｖｅｎｂｅｒｇ−Ｍａｒｑｕａｒｄｔ方法及びニュートン方法と最急降下法の可能な学習最適化アルゴリズムが用いられ、実際の運転後、運転効率を算出し、高い効率を有する新しいデータの取得（４０５）によって所望の効率に至るまで、短期間的なチューニング（４０７）が行われる。このような再学習の過程を通じて新しいデータベースが構築される（４０６）。
【００１６】
【数１】

【００１７】
（ＩはＩｄｅｎｔｉｔｙ　Ｍａｔｒｉｘを意味する。λ＝０：ニュートン方法、λ→∞：最急降下法となり、λは動的に調節される。）
前記逆転波アルゴリズムにおいて、入力学習データの例としては、流入水の性状（流量、温度、ＢＯＤ濃度）、反応槽内の状態（容積負荷量、ＳＲＴ、溶存酸素、ＭＬＳＳ、アンモニア性窒素濃度（以下、ＮＨ_４−Ｎ）、窒酸性窒素濃度（以下、ＮＯ_３−Ｎ）、リン酸塩−リン濃度（ＰＯ_４−Ｐ）、処理水質（ＢＯＤ、Ｔ−Ｎ）が用いられ、該入力データと一対一対応する目標データは好気槽１、２段の溶存酸素とＳＲＴとなる。
【００１８】
図８にこの入力学習データが例示されている。図８に示されている通り、例示された入力学習データは温度が零上５度〜零上３８度、ＢＯＤが０〜１８０ｍｇ／ｌ、ＮＨ_４は０〜１５０ｍｇ／ｌ、容積負荷量は全体範囲に入力が可能であり、これに対する出力は好気槽１段のＤＯが２．３５〜４．３ｍｇ／ｌ、好気槽２段のＤＯ２が１．４〜３．３ｍｇ／ｌ、ＳＲＴは７．５５〜２１．０の範囲に出力される。
【００１９】
前記提示した学習データは、流入ＮＨ_４濃度が増加すればＭＬＳＳを増加させ有機物対微生物比（Ｆｏｏｄ　ｔｏ　ｍｉｃｒｏｂｅｓ：以下、Ｆ／Ｍという）を減少させる傾向又は流入ＮＨ_４濃度が減少すればＭＬＳＳを減少させＦ／Ｍを増加させる傾向に、また、流入水濃度（ＢＯＤ）の増加時、ＭＬＳＳも増加すればＦ／Ｍを維持するためのＭＬＳＳを減少させ、これと逆に、ＭＬＳＳが減少すればＦ／Ｍを維持しながら剰余スラッジ引抜を減少させる制御傾向に、又は流入水濃度（ＢＯＤ）が増加すれば、空気供給量を増加させ、流入水濃度（ＢＯＤ）が減少すれば空気供給量を減少させながら剰余スラッジ引抜量を増加させるなど、ＭＬＳＳを減少させる傾向に制御される。
【００２０】
図５では本発明の逆転波アルゴリズムの体系を示している。
本発明において逆転波アルゴリズムはＭＬＰ（Ｍｕｌｔｉ−Ｌａｙｅｒ　Ｐｅｒｃｅｐｔｒｏｎ）モデルが用いられる。ＭＬＰモデルでは、層は環境から入力される入力層（Ｉｎｐｕｔ　Ｌａｙｅｒ）（５０３）、環境に出力を出す出力層（Ｏｕｔｐｕｔ　Ｌａｙｅｒ）（５０５）、そして環境と直接相互作用せず、入力層と出力層との間に存在する隠匿層（Ｈｉｄｄｅｎ　Ｌａｙｅｒ）（５０４）からなっている。学習は入力層から始まって、隠匿層を経て出力層まで進行する。ニューロンは受け入れる入力事項の値を合算して、その合算値が高い場合、隠匿層内の次のノードに入力事項を渡す。入力事項が伝達される際に、加重値の割当てあるいは加重値の強化及び弱化が起こり、この過程はモデルが結果を予測する最終外部層（出力層）に至るまで続く。ここで高い値のパターンに比重を加え、低い値のパターンを無視する活性化作用が起こる。
【００２１】
本発明では、出力層（５０５）では多様な目標値を予測して出力しなければならないため、単に線形和（ｌｉｎｅａｒ　ｓｕｍ）を活性関数として用いる。一方、隠匿層（５０４）では非線形（Ｎｏｎｌｉｎｅａｒ）活性関数を用い、人工知能制御（神経網）は学習過程から得られた情報を加重値（Ｗｅｉｇｈｔ）に蓄積して貯蔵するが、この加重値が最適ＳＲＴと溶存酸素の値を得るのに用いられる。
【００２２】
図５に示す本発明の隠匿層（５０４）において、隠匿層（５０４）の数は専門家の経験的知識によって決定され、本願発明では隠匿層（５０４）の数は１５〜４０個の間で決定可能であり、このような隠匿層（５０４）と入力層（５０３）及び出力層（５０５）への資料入力と出力並びに加重値は数学式２〜数学式４によって決定される。
【００２３】
【数２】

【００２４】
（全体ｅｒｒｏｒを合わせたＦを加重値に対する変化率で計算した式であり、Ｇｒａｄｉｅｎｔ　ｉはｉ番目加重値（Ｗｅｉｇｈｔ））
【００２５】
【数３】

【００２６】
（ｅｒｒｏｒ　ｅは目標値と神経回路網の出力との差を意味、ｋはｋ番目サンプル）
【００２７】
【数４】

【００２８】
（Ｈｅｓｓｉａｎ　ｍａｔｒｉｘ、Ｆの加重値に対する２階導関数を求めたもの）
以後、前述した段階から得られたそれぞれの最適のＳＰを好気槽１段の溶存酸素ＰＶ、好気槽２段の溶存酸素ＰＶと比較して、アナログ制御出力（以下、ＭＶという）演算処理して制御因子を得る。また、スラッジ引抜流量ＰＶと積算流量を比較して、ディジタルＭＶ演算処理してディジタル制御因子を得る。図７はこの制御因子を得るためのプログラム言語として具現したソフトウェアの例を示している。
【００２９】
また、本発明は前記段階から得られる一連のデータを一つのファイルに貯蔵し、呼び出して管理を容易にする。
【００３０】
前記段階後、得られたそれぞれの制御因子を通じてＭＶを連続的に計算し、Ｄ／Ａカード（１０４）を介してアナログ信号及びディジタル信号に伝送する。
【００３１】
伝送される信号を各Ｃ／Ｖ及びスラッジ引抜ポンプのインバータ（１５）を介してＰＣ基盤の直接制御を行う。
【００３２】
また、前記段階の後、反応槽状態のＳＰとＰＶとを比較して、ＰＣでの多重処理機能を利用して前記制御過程を経た下排水処理場の効率を比較分析して、これをファイルに記録することができる。
【００３３】
また、一定した制御因子の調律過程を経て、処理効率がより増大できる方法で連続制御を行うことができ、現場の資料を実時間で遠距離からモニタリングし制御することのできる遠隔人工知能制御システムを構築する一連の過程もまた可能である。
【００３４】
図６はこのような本願発明の制御機能の遂行をブロック化して示している。
示されているように、流量、流入ＢＯＤ、流入ＮＨ_３、温度のようにセンサで感知され、若しくは測定されたデータ（６０１）はデータ収集ボード（６０２）に収集され、収集されたデータは人工知能神経網制御器を有するＰＣのようなコンピュータ手段（６０４）へ伝送されるが、このコンピュータ手段はＴＣＰ／ＩＰによって両方向及び実時間で遠隔制御及びモニタリングが可能である（６０３）。前述のような人工知能神経網制御を介して出力されたＤＯ．ＳＲＴはアナログ出力信号ボード（６０５）を介して出力され、該アナログ信号はコンバータ及びインバータ（６０６）を介して変換することができ、以後、ＤＯ及びＭＬＳＳを制御する（６０７）。
【００３５】
以下では本発明の前述の構成を実験的に実施した例を入出力データを通じて以下の通り調べてみる。
【００３６】
本実施例では本発明の神経回路網及び逆転波アルゴリズムによる下排水処理人工知能制御システムを環境事業所の１次沈殿地の処理水を用いて一日処理容量５０トン規模の実験施設の運営の実施例である。
【００３７】
図９〜図１２は、本実施例において流入水の状況の入力及び反応槽内の状況の入力を示している。
【００３８】
図９は本発明のシステムに入力される流入温度信号グラフを示しており、流入温度はｘ軸は時間軸であり、摂氏流入温度は２１．０℃〜２１．５℃で流動的に入力されている。図１０は本発明のシステムに入力される流入流量信号グラフであり、流入流量は時間に応じて、約４９．０〜５０．０ｍ^３／日で流動的に入力されている。図１１は本発明のシステムに入力される流入ＢＯＤ信号グラフであり、流入ＢＯＤは時間に応じて、約９０．０〜９２．２ｍｇ／ｌで流動的に入力されている。
【００３９】
図１２は、本発明のシステムに入力される容積負荷信号グラフであり、反応槽内の容積負荷（ｋｇＢＯＤ／ｍ^３／日）は時間に応じて容積負荷が流動的に入力されていることを示している。
【００４０】
図１３は本システムから出力される溶存酸素１の出力信号グラフであり、図１４は本システムから出力される溶存酸素２の出力信号グラフであり、図１５は本システムから出力されるＳＲＴ出力信号グラフであり、図１６は本システムの全体入力／出力される出力信号グラフである。
【００４１】
本実施例の出力グラフを通じて、反応槽内の好気槽１段（図１３）と２段の溶存酸素（図１４）及びＳＲＴ（図１５）を人工知能によって同じ流入条件に対して固定値でなく、それぞれ状況に適した状態に制御されていることが観察できる。
【００４２】
このように、本発明で用いられる人工知能制御システムは、データに基づき制御を一括的に行うことによって、運転者の個人誤差による誤動作を最小化することができるだけでなく、一貫性と信頼性のある資料の確保及び精密制御が可能である。
【００４３】
【発明の効果】
以上にて説明したような構成により、本発明は従来技術と異なって、より標準化したデータを通じて標準化した工程で人工知能制御を行うことにより、運転者の経験に頼らずに、流動的な制御を通じた安定した処理効率を確保することができるだけでなく、先進産業化、情報化時代の要求に応じた信頼性のあるデータの確保とともに、運営予算の労働費用及び施設の維持管理費用を最少化することができる。
【００４４】
また、ＰＣ基盤制御を通じてＰＣの速度や柔軟な技術を反映するので、継続して処理効率を増加させるように支援することが可能である。
【図面の簡単な説明】
【図１】図１は本発明のプログラマブルロジックコントローラーを用いた人工知能制御システム構成を示す図面。
【図２】図２は本発明のプログラマブルロジックコントローラーを用いた人工知能制御システムの順序図。
【図３】図３は本発明に用いられるプログラムの主要な機能を行う順序図。
【図４】図４は本発明に用いられる神経回路網学習機能を行う順序図。
【図５】図５は本発明に用いられる逆転波アルゴリズムの体系を示す図面。
【図６】図６は本発明に用いられるシステムの制御機能を行うことを示すブロック図。
【図７】図７は本システムの人工知能学習プログラム。
【図８】図８は本システムに適用された経験データ。
【図９】図９は本システムに入力される流入温度信号グラフ。
【図１０】図１０は本システムに入力される流入流量信号グラフ。
【図１１】図１１は本システムに入力される流入ＢＯＤ信号グラフ。
【図１２】図１２は本システムに入力される容積負荷信号グラフ。
【図１３】図１３は本システムから出力される溶存酸素１の出力信号グラフ。
【図１４】図１４は本システムから出力される溶存酸素２の出力信号グラフ。
【図１５】図１５は本システムから出力されるＳＲＴ出力信号グラフ。
【図１６】図１６は本システムの全体入力／出力される出力信号グラフ。
【符号の説明】
１０，１１，１２　計測器、１３　中央コンピュータ、１４　ＰＬＣ、１５　ディジタル信号、１６　アナログ信号、１７　スラッジポンプ、１０１　Ａ／Ｄカード、１０２　中央処理装置、１０３　ディジタルカード、１０４　Ｄ／Ａカード、１０５　インターフェース、１０６　ＲＳ−２３２Ｃ通信、１０７　インターフェース、１０８　表示装置、１０９　記録装置、１１０　中央処理装置。

Claims

下排水処理の制御方法において；
前記下排水処理場に流入する流入水特性と、反応槽状態特性と、流出水効率特性の流動的な現在値を複合的に測定する段階と；
前記測定された流動的現在値のデータをコンピュータで収集し、物理量データに演算処理する段階と；
前記コンピュータにおいてプログラムによって前記測定された特性の現在値を比較して、好気槽１段の溶存酸素量及び好気槽２段の溶存酸素量と微生物滞留時間（ＳＲＴ）における最適の目標値（ＳＰ）を求める段階と；
求められた最適の目標値（ＳＰ）を現在の好気槽１段及び好気槽２段の溶存酸素及び微生物滞留時間（ＳＲＴ）の現在値と比較してアナログ及びディジタル制御出力値に演算処理する段階と；
得られた前記制御出力値で好気槽１段及び好気槽２段の空気調節弁とスラッジ引抜ポンプを制御する段階とを含み、
前記プログラムは逆転波アルゴリズムを用いた神経回路網制御プログラムによって前記最適目標値を求めることを特徴とする下排水処理の制御方法。
前記流入水特性は流入流量、温度、流入水のＢＯＤ濃度を含み；
前記反応槽状態特性は容積負荷量、微生物滞留時間（ＳＲＴ）、好気槽１段の溶存酸素量、好気槽２段の溶存酸素量、活性微生物濃度（ＭＬＳＳ）、ＮＨ_４−Ｎ、ＮＯ_３−Ｎ、ＰＯ_４−Ｐを含み；
前記流出水質の特性は流出水ＢＯＤ濃度、流出水容量、Ｔ−Ｎを含むことを特徴とする、請求項１記載の制御方法。
前記神経回路網制御プログラムは学習最適化アルゴリズムを用いることを特徴とする、請求項１記載の制御方法。
神経回路網制御プログラムに用いられる入力学習データは流入水特性、反応槽状態特性、流出水質効率特性であり、学習過程から得る加重値により目標データである好気槽１段の溶存酸素量及び好気槽２段の溶存酸素量と微生物滞留時間（ＳＲＴ）を求める、請求項２または３に記載の制御方法。
前記神経回路網制御プログラムの体系は、入力層、隠匿層、出力層を含み、隠匿層の数は１５〜４０個の範囲で決定され、前記隠匿層から入力層及び出力層への資料入力及び出力と加重値が決定される、請求項４記載の制御方法。
前記出力層では活性関数として線形和を用い、前記隠匿層では活性関数として非線形関数を用いて学習過程から得た情報を加重値に蓄積及び貯蔵することにより、前記加重値が最適の微生物滞留時間（ＳＲＴ）と溶存酸素の目標値を求めるのに用いられる、請求項５記載の制御方法。
前記神経回路網制御プログラムの入力学習データの範囲は、流入水温度が零上５度〜零上３８度、ＢＯＤが０〜１８０ｍｇ／ｌ、ＮＨ_４は０〜１５０ｍｇ／ｌ、容積負荷量は全体範囲であり、出力範囲は好気槽１段の溶存酸素量が２．３５〜４．３ｍｇ／ｌ、好気槽２段の溶存酸素量が１．４〜３．３ｍｇ／ｌ、微生物滞留時間（ＳＲＴ）は７．５５〜２１．０日であることを特徴とする、請求項４記載の制御方法。
前記神経回路網制御プログラムは、
流入するＮＨ_４濃度が増加すれば活性微生物濃度（ＭＬＳＳ）を増加させＦ／Ｍを減少させ、流入ＮＨ_４濃度が減少すれば活性微生物濃度（ＭＬＳＳ）を減少させＦ／Ｍを増加させ；
流入水ＢＯＤの増加時、活性微生物濃度（ＭＬＳＳ）も増加すればＦ／Ｍを維持するための活性微生物濃度（ＭＬＳＳ）を減少させ、活性微生物濃度（ＭＬＳＳ）が減少すればＦ／Ｍを維持すると共に、剰余スラッジ引抜を減少させ；
流入水ＢＯＤの増加時、空気供給量が増加し、流入水ＢＯＤが減少すれば空気供給量を減少させると共に、剰余スラッジ引抜量を増加させ、活性微生物濃度（ＭＬＳＳ）を減少させるように制御することを特徴とする、請求項４記載の制御方法。
測定及び演算処理段階で求められたデータをファイルに貯蔵及び管理する段階を更に含む、請求項１記載の制御方法。
前記データを伝送制御プロトコル／インターネットプロトコル（ＴＣＰ／ＩＰ）を介してコンピュータと両方向通信により実時間制御を行い、多重処理機能を用いてコンピュータで前記制御過程を経た後、下排水処理場の効率を比較分析してファイルに記録する段階を更に含む、請求項９記載の制御方法。
下排水処理制御システムにおいて；
前記下排水処理場に流入する流入水特性と、反応槽状態特性と、流出水効率特性の流動的な現在値を複合的に測定する手段と；
前記測定された流動的現在値のデータを収集し、物理量データで演算処理し、プログラムによって前記測定された特性の現在値を比較して、好気槽１段及び好気槽２段の溶存酸素量と微生物滞留時間（ＳＲＴ）における最適の目標値（ＳＰ）を求め、求められた最適の目標値（ＳＰ）を現在の好気槽１段及び好気槽２段の溶存酸素及び微生物滞留時間（ＳＲＴ）の現在値と比較して、アナログ及びディジタル制御出力値に演算処理するコンピュータ手段と；
得られた前記制御出力値で好気槽１段及び好気槽２段の空気調節弁とスラッジ引抜ポンプを制御する手段とを含み；
前記プログラムは逆転波アルゴリズムを用いた神経回路網制御プログラムによって前記最適目標値を求めることを特徴とする下排水処理制御システム。
前記流入水特性は流入流量、温度、流入水ＢＯＤ濃度を含み；
前記反応槽の状態特性は容積負荷量、微生物滞留時間（ＳＲＴ）、好気槽１段の溶存酸素量、好気槽２段の溶存酸素量、活性微生物濃度（ＭＬＳＳ）、ＮＨ_４−Ｎ、ＮＯ_３−Ｎ、ＰＯ_４−Ｐを含み；
前記流出水質特性は流出水ＢＯＤ濃度、流出水容量、Ｔ−Ｎを含むことを特徴とする、請求項１記載の下排水処理制御システム。
前記神経回路網制御プログラムにおいて学習最適化アルゴリズムを用いることを特徴とする、請求項１１記載の下排水処理制御システム。
前記神経回路網制御プログラムに用いられる入力学習データは流入水特性、反応槽状態特性、流出水質効率特性であり、学習過程から得る加重値により目標データである好気槽１段の溶存酸素量及び好気槽２段の溶存酸素量と微生物滞留時間（ＳＲＴ）を求めることを特徴とする、請求項１１または１２記載の下排水処理制御システム。
前記神経回路網制御プログラムの体系は入力層、隠匿層、出力層を含み、隠匿層の数は１５〜４０個の範囲で決定され、前記隠匿層で入力層及び出力層への資料入力及び出力と加重値が決定される、請求項１４記載の制御システム。
前記出力層では活性関数として線形和を用い、前記隠匿層では活性関数として非線形関数を用いて学習過程から得た情報を加重値に蓄積及び貯蔵することにより、前記加重値が最適の微生物滞留時間（ＳＲＴ）と溶存酸素の目標値を求めるのに用いられる、請求項１５記載の制御システム。
前記神経回路網制御プログラムの入力学習データの範囲は、流入水温度が零上５度〜零上３８度、ＢＯＤが０〜１８０ｍｇ／ｌ、ＮＨ_４は０〜１５０ｍｇ／ｌ、容積負荷量は全体範囲であり、出力範囲は好気槽１段の溶存酸素量が２．３５〜４．３ｍｇ／ｌ、好気槽２段の溶存酸素量が１．４〜３．３ｍｇ／ｌ、微生物滞留時間（ＳＲＴ）は７．５５〜２１．０日であることを特徴とする、請求項１４記載の下排水処理制御システム。
前記神経回路網制御プログラムは、
流入するＮＨ_４濃度が増加すれば活性微生物濃度（ＭＬＳＳ）を増加させＦ／Ｍを減少させ、流入ＮＨ_４濃度が減少すれば活性微生物濃度（ＭＬＳＳ）を減少させＦ／Ｍを増加させ；
流入水ＢＯＤの増加時、活性微生物濃度（ＭＬＳＳ）も増加すればＦ／Ｍを維持するための活性微生物濃度（ＭＬＳＳ）を減少させ、活性微生物濃度（ＭＬＳＳ）が減少すればＦ／Ｍを維持すると共に、剰余スラッジ引抜を減少させ；
流入水ＢＯＤの増加時、空気供給量が増加し、流入水ＢＯＤが減少すれば空気供給量を減少させると共に、剰余スラッジ引抜量を増加させ活性微生物濃度（ＭＬＳＳ）を減少させるように制御することを特徴とする、請求項１７記載の下排水処理制御システム。
前記測定及び演算処理されたデータをファイルに貯蔵及び管理することを特徴とする、請求項１１記載の下排水処理制御システム。
前記データを伝送制御プロトコル／インターネットプロトコル（ＴＣＰ／ＩＰ）を介して前記コンピュータ手段と両方向通信により実時間制御を行い、多重処理機能を用いて前記コンピュータ手段で前記制御過程を経た後、下排水処理場の効率を比較分析してファイルに記録することを特徴とする、請求項１９記載の下排水処理制御システム。