JP2006038552A - Bod推定装置および方法 - Google Patents
Bod推定装置および方法 Download PDFInfo
- Publication number
- JP2006038552A JP2006038552A JP2004217030A JP2004217030A JP2006038552A JP 2006038552 A JP2006038552 A JP 2006038552A JP 2004217030 A JP2004217030 A JP 2004217030A JP 2004217030 A JP2004217030 A JP 2004217030A JP 2006038552 A JP2006038552 A JP 2006038552A
- Authority
- JP
- Japan
- Prior art keywords
- bod
- value
- sewage
- estimation
- input
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Activated Sludge Processes (AREA)
Abstract
【解決手段】下水から得られたCOD値、SS値、および水温を含むモデル入力データと、当該下水から実測したBOD実測値からなるモデル出力データとの対からなる複数の履歴データに基づき作成された非線形のブラックボックス推定モデル13Aを用いて、推定処理部14により、推定対象となる下水1から得られた入力データ3に対応する当該下水1のBOD推定値4を推定出力する。
【選択図】 図1
Description
この具体的内容は、所定の基準値以上の水質の下水を放流することを禁止するものであり、この放流水に対する水質汚濁の基準値の1つとしてBOD値(濃度)が用いられている(非特許文献1など参照)。したがって、下水放流の際には、その下水のBOD値が基準値を満足していることを確認する必要がある。
「合流式下水道の雨天時放流水質基準についての水質検査マニュアル」,国土交通省都市・地域整備局下水道部下水道企画課,http://www.mlit.go.jp/crd/city/sewerage/info/seirei/040416_03.pdf
例えば、従来のBOD計測技術を用いた場合には、下水を放流する際、当該下水のBOD値の計測結果を得て放流可否を確認するまで5日間も必要となるため、水質を管理しながら下水処理作業を滞りなく実施するのは難しく、また緊急で放流が必要となった場合には全く対応できないという問題点があった。
これにより、流入下水を処理しあるいは放流する際、極めて短時間で当該下水のBOD値に基づき放流可否を確認することができ、水質を管理しながら下水処理作業を滞りなく実施することが可能となり、緊急で放流が必要となった場合にも十分対応することができる。
[BOD推定装置]
まず、図1を参照して、本発明の一実施の形態にかかるBOD推定装置について説明する。図1は本発明の一実施の形態にかかるBOD推定装置の構成を示すブロック図である。
このBOD推定装置10は、下水1から各種の計測機器2で計測された結果を入力データ3とし、予め生成しておいた推定モデルに基づき、当該入力データ3に対応する出力データすなわちBOD推定値4を推定して出力する装置である。
SSとは、水中に混ざっている極小の浮遊物質のことで、プランクトン、生物体の死がい、破片、ふんやその分解物などがある。数値は、ろ紙でろ過した際にろ紙に残る物質の濃度を表しており、数値が高いほど有機物などを含み、濁りが強い。
透視度は、水の透明度の度合いを示すもので、透視度計底部の二重十字(または5号活字)をはじめて明らかに読み得るときの水層の高さ(cm)で表される。見た目の水のきれいさと関係し、SS値やBOD値とよい相関を持つことが多い。
全窒素は、水中の様々な形態の窒素化合物の窒素の合計量を表しており、富栄養化の指標として使用される。全窒素は、全りんとともに、プランクトンの異常発生限界値として用いられる。
これら入力パラメータは、いずれの場合も現用の計測機器を用いれば1時間前後で計測結果が得られる。
操作入力部12は、キーボードやマウスなど、例えばBOD推定処理の開始指示、推定結果の表示指示、入力データ3の手入力などのオペレータの操作を検出して推定処理部14へ出力する入力装置である。
推定処理部14で実現される機能手段としては、入力データ処理手段14A、類似事例検索手段14B、および出力算出手段14Cがある。
類似事例検索手段14Bは、記憶部13の推定モデル13Aを参照して、入力データ処理手段14Aで前処理された入力データに類似する事例を検索する機能手段である。
出力算出手段14Cは、類似事例検索手段14Bで得られた事例の出力値に基づき、入力データに対応する出力値すなわちBOD推定値4を算出する機能手段である。
出力I/F部16は、推定処理部14からの指示に基づき、推定処理部14で得られた推定結果などの各種情報を、通信回線を介して制御機器などの外部装置へ出力する回路部である。
次に、図2および図3を参照して、本実施の形態にかかるBOD推定装置で用いる推定モデルについて説明する。図2は、本実施の形態にかかるBOD推定装置での推定動作を示す概略図である。図3は、推定モデルの生成に用いる時系列データの例である。
一般に、推定モデルとは、推定条件を示すモデル入力値と所望のモデル出力値との因果関係や推論過程をモデル化したものをいう。本実施の形態で扱う推定モデル13Aは、図2に示すように、入力データ3として例えば下水のCOD値、SS値、水温などの実測値が与えられた際、その入力データ3に対応する出力データとしてBOD推定値4を出力する。
このブラックボックス推定モデルとしては、事例ベース、ファジー推論ベース、さらにはニューラルネットワークなどを用いたモデルがある。特に、事例ベース推論モデルでは、位相(トポロジー)の概念に基づき、システムの入出力関係の連続性が成り立つ一般的な対象に適用可能な公知のモデリング技術である(例えば、特開平11−372898号公報など参照)。
次に、図4を参照して、本実施の形態にかかるBOD推定装置で用いる事例ベースについて詳細に説明する。図4は、本実施の形態にかかるBOD推定装置で用いる事例ベースの構成を示す説明図である。
事例ベース推論(CBR:Case-Based Reasoning)とは、入出力関係の定性的な意味づけを行うことなく、学習データから所定のアルゴリズムに則って入出力間の関係付けを行うブラックボックスモデリングの1つであり、与えられた問題に類似する過去の事例を直接利用して所望の解を導く手法である。
TCBMは、推論の対象における入出力関係に連続性が成り立つことを前提条件として、事例ベース推論の枠組みを用いるモデリング手法であり、その特徴として、数学の位相論(トポロジー)における連続写像の概念に基づいて、出力の解像度すなわち出力誤差許容幅に応じた事例ベースと、各事例間の関係を示す類似度とを定義した点にある。
ここで、事例ベースに求められる推定誤差すなわち出力誤差許容幅εが与えられた場合、図4(c)に示すように、この出力誤差許容幅εを用いて入力空間をメッシュと呼ばれる部分区間に分割して量子化することにより、出力近傍の大きさに対応する入力近傍すなわち事例を定義できる。
これにより、すべての事例について、当該事例のメッシュに振り分けられた各履歴データのモデル出力データと当該事例の出力値との誤差が、出力誤差許容幅εを満足することになる。
次に、図5を参照して、本発明の一実施の形態にかかるBOD推定装置の推定動作について説明する。図5は、本発明の一実施の形態にかかるBOD推定装置の推定処理を示すフローチャートである。
BOD推定装置10の推定処理部14は、任意の下水のBOD値を推定する際、図5の推定処理を実行する。
この前処理としては、個々の入力パラメータについて、時系列で得られた複数の入力データ値を用いた移動平均値などの統計値を算出することにより、入力データに含まれる計測誤差を除去する処理や、入力データを時間軸上でシフトさせることにより出力データとの相関が強いデータに変換する処理など、各種のデータ加工処理が必要に応じて行われる。
図6には、入力データx1,x2に対応するメッシュが中央に位置する中央メッシュの場合が例として示されている。この中央メッシュに事例が存在すれば、その事例と入力データとは「類似度=0」であると定義されている。また、中央メッシュの1つ隣に存在する事例とは「類似度=1」となり、以降、中央メッシュから1メッシュずつ離れていくごとに類似度が1ずつ増加していく。
これにより、出力算出手段14Cで算出されたBOD推定値4が、画面表示部15に表示出力され、あるいは出力I/F部16から外部機器へ出力される。
この推定では、入力パラメータ(入力変数)として、COD値、SS値、および水温を用いて、実在する下水処理施設に流入する下水のBOD値を推定した。一部で多少の推定誤差はあるものの、両者の相関係数は0.98505と極めて高く、良好な推定結果が得られている。
この推定結果は、入力パラメータ(入力変数)として、COD値、SS値、および水温を用いて、下水処理施設に流入する下水のBOD値を1週間にわたり連続して推定したものである。下水のBODが大きく急峻に変化しているにもかかわらず、BOD実測値(図中破線表示)とBOD推定値(図中実線表示)とはほとんど誤差がなく、連続して推定動作させた場合でも、極めて良好な推定結果が得られている。
これにより、流入下水を処理しあるいは放流する際、極めて短時間で当該下水のBOD値に基づき放流可否を確認することができ、水質を管理しながら下水処理作業を滞りなく実施することが可能となり、緊急で放流が必要となった場合にも十分対応することができる。
この場合は、推定処理部14に、例えば前述した図4の事例ベース生成過程を実行するモデル生成手段を設け、外部から入力された履歴データに基づき推定モデル13Aを生成すればよい。また、推定処理部14に、事例更新手段を設け、下水から実測されたBOD実測値をそのときの入力データとの対からなる履歴データに基づき、対応する事例データの出力データを再計算するようにしてもよく、その際、忘却計数による時間的重みを考慮して出力データを再計算するようにしてもよい。
Claims (4)
- 下水のBOD値(Biochemical Oxygen Demand:生物化学的酸素要求量)を推定するBOD推定装置において、
下水から得られたCOD値(Chemical Oxygen Demand:化学的酸素要求量)、SS値(Suspended Solid:浮遊物質量)、および水温を含むモデル入力データと、当該下水から実測したBOD実測値からなるモデル出力データとの対からなる複数の履歴データに基づき作成された非線形のブラックボックス推定モデルと、
このブラックボックス推定モデルを用いて、推定対象となる下水から入力データとして得られたCOD値、SS値、および水温に基づき当該下水のBOD推定値を出力する推定処理部とを備えることを特徴とするBOD推定装置。 - 請求項1に記載のBOD推定装置において、
前記ブラックボックス推定モデルは、前記各履歴データのうち1つ以上の履歴データを代表する入力値と出力値との対からなる複数の事例を有する事例ベースからなり、
前記推定処理部は、前記入力データと類似する入力値を持つ事例を前記事例ベースから検索し、検索した類似事例の出力値に基づき前記入力データに対応する所望のBOD値を算出出力することを特徴とするBOD推定装置。 - 下水のBOD値(Biochemical Oxygen Demand:生物化学的酸素要求量)を推定するBOD推定方法において、
下水から得られたCOD値(Chemical Oxygen Demand:化学的酸素要求量)、SS値(Suspended Solid:浮遊物質量)、および水温を含むモデル入力データと、当該下水から実測したBOD実測値からなるモデル出力データとの対からなる複数の履歴データに基づき作成された非線形のブラックボックス推定モデルを用いて、推定対象となる下水から入力データとして得られたCOD値、SS値、および水温に対応する当該下水のBOD推定値を出力する推定処理ステップを備えることを特徴とするBOD推定方法。 - 請求項3に記載のBOD推定方法において、
前記ブラックボックス推定モデルは、前記各履歴データのうち1つ以上の履歴データを代表する入力値と出力値との対からなる複数の事例を有する事例ベースからなり、
前記推定処理ステップで、前記入力データと類似する入力値を持つ事例を前記事例ベースから検索し、検索した類似事例の出力値に基づき前記入力データに対応する所望のBOD値を算出出力することを特徴とするBOD推定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004217030A JP4537140B2 (ja) | 2004-07-26 | 2004-07-26 | Bod推定装置および方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004217030A JP4537140B2 (ja) | 2004-07-26 | 2004-07-26 | Bod推定装置および方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2006038552A true JP2006038552A (ja) | 2006-02-09 |
JP4537140B2 JP4537140B2 (ja) | 2010-09-01 |
Family
ID=35903709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004217030A Expired - Fee Related JP4537140B2 (ja) | 2004-07-26 | 2004-07-26 | Bod推定装置および方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4537140B2 (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010169598A (ja) * | 2009-01-23 | 2010-08-05 | Nihon Suido Consultants Co Ltd | 水質推定装置および水質推定方法 |
JP2012157807A (ja) * | 2011-01-31 | 2012-08-23 | Naoyuki Suzuki | 被処理液の処理方法 |
CN106872658A (zh) * | 2017-01-22 | 2017-06-20 | 华南理工大学 | 一种基于向量时间序列模型的污水cod负荷预测的方法 |
CN111707795A (zh) * | 2020-06-23 | 2020-09-25 | 安恒环境科技(北京)股份有限公司 | 一种地表水生化需氧量bod的监测方法及系统 |
CN113003692A (zh) * | 2021-03-05 | 2021-06-22 | 北京工业大学 | 一种基于案例推理的城市污水处理脱氮过程加药控制方法 |
JP2021137748A (ja) * | 2020-03-06 | 2021-09-16 | 株式会社明電舎 | 水処理施設の運転支援装置 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102022351B1 (ko) * | 2019-05-03 | 2019-09-19 | 주식회사 대아이엔지 | 부유물질량 측정을 통한 bod 예측 장치 |
KR102022349B1 (ko) * | 2019-05-03 | 2019-11-05 | 주식회사 대아이엔지 | 부유물질량 측정을 통한 bod 예측 시스템 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5720648A (en) * | 1980-07-14 | 1982-02-03 | Tadashi Enatsu | Method for presuming bod and ss concentration applied with absorbance of visible light and constant turbidity cod concentration |
JPH06180312A (ja) * | 1991-02-15 | 1994-06-28 | Agency Of Ind Science & Technol | Bodの測定方法 |
JP2000107796A (ja) * | 1998-09-30 | 2000-04-18 | Toshiba Corp | 下水処理プロセスシミュレータシステム |
-
2004
- 2004-07-26 JP JP2004217030A patent/JP4537140B2/ja not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5720648A (en) * | 1980-07-14 | 1982-02-03 | Tadashi Enatsu | Method for presuming bod and ss concentration applied with absorbance of visible light and constant turbidity cod concentration |
JPH06180312A (ja) * | 1991-02-15 | 1994-06-28 | Agency Of Ind Science & Technol | Bodの測定方法 |
JP2000107796A (ja) * | 1998-09-30 | 2000-04-18 | Toshiba Corp | 下水処理プロセスシミュレータシステム |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010169598A (ja) * | 2009-01-23 | 2010-08-05 | Nihon Suido Consultants Co Ltd | 水質推定装置および水質推定方法 |
JP2012157807A (ja) * | 2011-01-31 | 2012-08-23 | Naoyuki Suzuki | 被処理液の処理方法 |
CN106872658A (zh) * | 2017-01-22 | 2017-06-20 | 华南理工大学 | 一种基于向量时间序列模型的污水cod负荷预测的方法 |
CN106872658B (zh) * | 2017-01-22 | 2019-06-18 | 华南理工大学 | 一种基于向量时间序列模型的污水cod负荷预测的方法 |
JP2021137748A (ja) * | 2020-03-06 | 2021-09-16 | 株式会社明電舎 | 水処理施設の運転支援装置 |
JP7331737B2 (ja) | 2020-03-06 | 2023-08-23 | 株式会社明電舎 | 水処理施設の運転支援装置 |
CN111707795A (zh) * | 2020-06-23 | 2020-09-25 | 安恒环境科技(北京)股份有限公司 | 一种地表水生化需氧量bod的监测方法及系统 |
CN111707795B (zh) * | 2020-06-23 | 2022-08-26 | 安恒环境科技(北京)股份有限公司 | 一种地表水生化需氧量bod的监测方法及系统 |
CN113003692A (zh) * | 2021-03-05 | 2021-06-22 | 北京工业大学 | 一种基于案例推理的城市污水处理脱氮过程加药控制方法 |
Also Published As
Publication number | Publication date |
---|---|
JP4537140B2 (ja) | 2010-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Asadi et al. | Wastewater treatment aeration process optimization: A data mining approach | |
Pintilie et al. | Urban wastewater reclamation for industrial reuse: An LCA case study | |
JP5022610B2 (ja) | 下水処理場運転支援装置 | |
Hernández-Sancho et al. | Energy efficiency in Spanish wastewater treatment plants: A non-radial DEA approach | |
Hernandez-Sancho et al. | Cost modelling for wastewater treatment processes | |
Radini et al. | Urban water-energy-food-climate nexus in integrated wastewater and reuse systems: Cyber-physical framework and innovations | |
Xie et al. | An inexact chance-constrained programming model for water quality management in Binhai New Area of Tianjin, China | |
Li et al. | Prediction analysis of a wastewater treatment system using a Bayesian network | |
CN102807301A (zh) | 再生水厂出水水质在线监测与实时预测系统及其控制方法 | |
Ozgun et al. | Comparative evaluation of cost for preliminary and tertiary municipal wastewater treatment plants in Istanbul | |
Lin et al. | UNISON decision framework for hybrid optimization of wastewater treatment and recycle for Industry 3.5 and cleaner semiconductor manufacturing | |
Guerrini et al. | Identifying the performance drivers of wastewater treatment plants through conditional order-m efficiency analysis | |
JP4537140B2 (ja) | Bod推定装置および方法 | |
Xu et al. | A novel long short-term memory artificial neural network (LSTM)-based soft-sensor to monitor and forecast wastewater treatment performance | |
Zeferino et al. | Regional wastewater system planning under population dynamics uncertainty | |
Jia et al. | Cost-based quantitative-qualitative water footprint considering multiple contaminants | |
Ho et al. | Integrated mechanistic and data-driven modeling for risk assessment of greenhouse gas production in an urbanized river system | |
JP2003245653A (ja) | 処理装置の運転支援方法、水処理装置の運転支援方法及びその装置 | |
Mellal et al. | Prediction of purified water quality in industrial hydrocarbon wastewater treatment using an artificial neural network and response surface methodology | |
JP4327013B2 (ja) | プラントワイド最適プロセス制御装置 | |
Meng et al. | Integrated modelling and control of urban wastewater systems | |
Zadorojniy et al. | IBM cognitive technology helps aqualia to reduce costs and save resources in wastewater treatment | |
Gabriel et al. | A multiobjective optimization model for processing and distributing biosolids to reuse fields | |
Liu et al. | Sensitivity analysis of parameters in water quality models and water environment management | |
WO2023163054A1 (ja) | 情報処理方法、情報処理装置、プログラム及び排水処理システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070330 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20091215 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100212 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20100615 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20100617 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130625 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4537140 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130625 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140625 Year of fee payment: 4 |
|
LAPS | Cancellation because of no payment of annual fees |