JP2021086375A - Water quality estimator, method, and program - Google Patents

Water quality estimator, method, and program Download PDF

Info

Publication number
JP2021086375A
JP2021086375A JP2019214558A JP2019214558A JP2021086375A JP 2021086375 A JP2021086375 A JP 2021086375A JP 2019214558 A JP2019214558 A JP 2019214558A JP 2019214558 A JP2019214558 A JP 2019214558A JP 2021086375 A JP2021086375 A JP 2021086375A
Authority
JP
Japan
Prior art keywords
water quality
information
offline
offline information
time
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
Application number
JP2019214558A
Other languages
Japanese (ja)
Other versions
JP7451154B2 (en
Inventor
隼 松本
Hayato Matsumoto
隼 松本
裕之 山原
Hiroyuki Yamahara
裕之 山原
勝也 横川
Katsuya Yokogawa
勝也 横川
雄 横山
Takeshi Yokoyama
雄 横山
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba Corp
Toshiba Infrastructure Systems and Solutions Corp
Original Assignee
Toshiba Corp
Toshiba Infrastructure Systems and Solutions Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Toshiba Corp, Toshiba Infrastructure Systems and Solutions Corp filed Critical Toshiba Corp
Priority to JP2019214558A priority Critical patent/JP7451154B2/en
Publication of JP2021086375A publication Critical patent/JP2021086375A/en
Application granted granted Critical
Publication of JP7451154B2 publication Critical patent/JP7451154B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Testing And Monitoring For Control Systems (AREA)

Abstract

To estimate information related to a water quality to be acquired by an offline analysis based on information related to other water qualities which are online-measured.SOLUTION: According to an embodiment, a water quality estimator is comprised of: a database that stores online information measured by a sensor regarding a water quality in a water treatment plant, and offline information which is not measured by the sensor regarding other water qualities different from the water quality in relation to time; an offline information estimation model storage unit that stores an offline information estimation model which estimates offline information based on the online information; a treated water quality prediction model storage unit that stores a treated water quality prediction model which predicts the treated water quality based on the water quality before treatment by the water treatment plant; and an offline information estimation unit that estimates offline information based on the online information stored in the database, the offline information estimation model, and the treated water quality prediction model.SELECTED DRAWING: Figure 1

Description

本発明の実施形態は、上下水道施設のような水処理プラントにおける水質を推定する装置、方法、およびプログラムに関する。 Embodiments of the present invention relate to devices, methods, and programs for estimating water quality in water treatment plants such as water and sewage facilities.

従来、上下水道施設のような水処理プラントでは、プラントの効率的・安定的運用のため、処理水の水質や温度を測定する水質計や温度計など、プラント内に多数、多種類のセンサを設置し、リアルタイム(オンライン)で計測情報を監視している。以下、センサによってリアルタイムでなされる計測を、「オンライン計測」と称する。 Conventionally, in water treatment plants such as water and sewage facilities, in order to operate the plant efficiently and stably, many types of sensors such as water quality meters and thermometers that measure the quality and temperature of treated water are installed in the plant. It is installed and monitors measurement information in real time (online). Hereinafter, the measurement performed by the sensor in real time is referred to as "online measurement".

特開2019-144631号公報Japanese Unexamined Patent Publication No. 2019-144631 特開2015-51389号公報JP-A-2015-51389 特開2005-309485号公報Japanese Patent Application Laid-Open No. 2005-309485

しかしながら、この種の水処理プラントでは、予算や物理的制約などにより、設置するセンサ数や種類に限りがあり、十分にセンサを設置できない場合もある。その場合、オンライン計測の代わりに、手作業(オフライン)により水を採取し、分析することによって、必要な情報を得ている。以下、手作業によってなされる分析を、「オフライン分析」と称する。 However, in this type of water treatment plant, the number and types of sensors to be installed are limited due to budget and physical restrictions, and it may not be possible to sufficiently install sensors. In that case, instead of online measurement, water is collected and analyzed manually (offline) to obtain the necessary information. Hereinafter, the analysis performed manually is referred to as "offline analysis".

このようなオフライン分析は、オンライン計測とは異なり、リアルタイム性に欠く。したがって、オフライン分析の結果に基づいて水処理プラントの状態を監視する場合、時間遅れの状態を監視していることになる。 Unlike online measurement, such offline analysis lacks real-time performance. Therefore, when monitoring the state of the water treatment plant based on the result of the offline analysis, the state of the time delay is monitored.

本発明が解決しようとする課題は、水処理プラントにおける水質の監視のために、オフライン分析によって取得されるべき水質に関する情報を、オンライン計測された他の水質に関する情報に基づいて推定する水質推定装置、方法、およびプログラムを提供することである。 The problem to be solved by the present invention is a water quality estimation device that estimates information on water quality to be acquired by offline analysis based on information on other water quality measured online for monitoring water quality in a water treatment plant. , Methods, and programs.

実施形態の水質推定装置は、データベース、オフライン情報推定モデル格納部、処理水質予測モデル格納部、およびオフライン情報推定部を備えている。データベースは、水処理プラントにおける水質に関してセンサによって計測されるオンライン情報と、水質と異なる他の水質に関してセンサによって計測されていないオフライン情報とを、時間に関連付けて蓄積する。オフライン情報推定モデル格納部は、オンライン情報に基づいて、オフライン情報を推定するオフライン情報推定モデルを格納する。処理水質予測モデル格納部は、水処理プラントによる処理前の水質に基づいて、水処理プラントによる処理後の水質を予測する処理水質予測モデルを格納する。オフライン情報推定部は、データベースに蓄積されたオンライン情報、オフライン情報推定モデル、および処理水質予測モデルに基づいて、オフライン情報を推定する。 The water quality estimation device of the embodiment includes a database, an offline information estimation model storage unit, a treated water quality prediction model storage unit, and an offline information estimation unit. The database accumulates online information measured by the sensor regarding the water quality in the water treatment plant and offline information not measured by the sensor regarding other water qualities different from the water quality in relation to time. The offline information estimation model storage unit stores an offline information estimation model that estimates offline information based on online information. The treated water quality prediction model storage unit stores a treated water quality prediction model that predicts the water quality after treatment by the water treatment plant based on the water quality before treatment by the water treatment plant. The offline information estimation unit estimates offline information based on the online information stored in the database, the offline information estimation model, and the treated water quality prediction model.

図1は、第1の実施形態の水質推定装置が適用される制御対象プラントの全体構成例を示す概念図である。FIG. 1 is a conceptual diagram showing an overall configuration example of a controlled plant to which the water quality estimation device of the first embodiment is applied. 図2は、第1の実施形態の水質推定装置の構成例を示すブロック図である。FIG. 2 is a block diagram showing a configuration example of the water quality estimation device of the first embodiment. 図3は、データベースの一例を示すデータ構造図である。FIG. 3 is a data structure diagram showing an example of a database. 図4は、オフライン情報の値の推定方法の一例を説明するためのデータベースのデータ構造図である。FIG. 4 is a data structure diagram of a database for explaining an example of a method of estimating the value of offline information. 図5は、オフライン情報の値の推定方法の別の例を説明するためのデータベースのデータ構造図である。FIG. 5 is a data structure diagram of a database for explaining another example of a method of estimating the value of offline information. 図6は、オンライン情報の将来の値の予測方法の一例を説明するためのデータベースのデータ構造図である。FIG. 6 is a data structure diagram of a database for explaining an example of a method of predicting a future value of online information. 図7は、流入水質のオフライン情報の値の推定と、処理水質のオンライン情報およびオフライン情報の値の予測とを同時に実施する方法の一例を説明するためのデータベースのデータ構造図である。FIG. 7 is a data structure diagram of a database for explaining an example of a method of simultaneously estimating the value of the offline information of the inflow water quality and predicting the value of the online information and the offline information of the treated water quality. 図8は、図7のような同時実施方法を実現するためのオフライン情報推定部と処理水質予測部との連携処理を説明するための概念図である。FIG. 8 is a conceptual diagram for explaining the cooperative processing between the offline information estimation unit and the treated water quality prediction unit for realizing the simultaneous implementation method as shown in FIG. 7. 図9は、第2の実施形態の水質推定装置の構成例を示すブロック図である。FIG. 9 is a block diagram showing a configuration example of the water quality estimation device of the second embodiment. 図10は、時系列予測方法の一例を説明するためのデータベースのデータ構造図である。FIG. 10 is a data structure diagram of a database for explaining an example of a time series prediction method. 図11は、複数の項目について同時になされる時系列予測方法の一例を説明するためのデータベースのデータ構造図である。FIG. 11 is a data structure diagram of a database for explaining an example of a time series prediction method performed for a plurality of items at the same time. 図12は、時系列予測によって得られた予測値を用いたオフライン情報の値の推定方法の一例を説明するためのデータベースのデータ構造図である。FIG. 12 is a data structure diagram of a database for explaining an example of a method of estimating the value of offline information using the predicted value obtained by the time series prediction. 図13は、第3の実施形態の水質推定装置の構成例を示すブロック図である。FIG. 13 is a block diagram showing a configuration example of the water quality estimation device of the third embodiment.

(第1の実施形態)
第1の実施形態の水質推定方法が適用された水質推定装置について説明する。
(First Embodiment)
The water quality estimation device to which the water quality estimation method of the first embodiment is applied will be described.

図1は、第1の実施形態の水質推定装置が適用される制御対象プラントの全体構成例を示す概念図である。 FIG. 1 is a conceptual diagram showing an overall configuration example of a controlled plant to which the water quality estimation device of the first embodiment is applied.

制御対象プラント100は、水質推定装置10と、監視制御システム3と、水質計や温度計などの各種センサ等である1以上の計測装置4とを備え、流入水6を上下水道プラント5内で処理し、処理水7として供給する。この制御対象プラント100を上水道施設として適用する場合は、河川からの流入水6を配水場や需要家へ処理水7として供給し、下水道施設として適用する場合は下水管網からの流入水6を河川へ処理水7として供給する。 The controlled plant 100 includes a water quality estimation device 10, a monitoring control system 3, and one or more measuring devices 4 such as various sensors such as a water quality meter and a thermometer, and inflow water 6 is provided in the water and sewage plant 5. It is treated and supplied as treated water 7. When the controlled plant 100 is applied as a water supply facility, the inflow water 6 from a river is supplied to a water distribution station or a customer as treated water 7, and when it is applied as a sewerage facility, the inflow water 6 from a sewer network is used. It is supplied to the river as treated water 7.

水質推定装置10は、上下水道プラント5における水質の監視のために、分析によってオフラインで取得されるべき水質に関するオフライン情報の値を、センサ等の計測装置4によってオンラインで計測された他の水質に関するオンライン情報eの値に基づいて推定する装置であって、監視制御システム3から送信される入力情報aを元に推定結果情報bを生成し、推定結果情報bをユーザ2に送信する。 The water quality estimation device 10 relates to other water qualities measured online by a measuring device 4 such as a sensor by measuring the value of offline information regarding the water quality to be acquired offline by analysis for monitoring the water quality in the water and sewage plant 5. It is a device that estimates based on the value of the online information e, generates estimation result information b based on the input information a transmitted from the monitoring control system 3, and transmits the estimation result information b to the user 2.

ユーザ2は、水質推定装置10から送信された推定結果情報bを元に操作値を決定し、決定した操作値を元に操作値指令cを生成し、操作値指令cを監視制御システム3に入力する。 The user 2 determines the operation value based on the estimation result information b transmitted from the water quality estimation device 10, generates the operation value command c based on the determined operation value, and sends the operation value command c to the monitoring control system 3. input.

監視制御システム3は、上下水道プラント5を監視および制御する機能を有し、ユーザ2からの操作値指令cに応じて、制御情報dを上下水道プラント5に送信する機能を有する。また、計測装置4によって計測されたオンライン情報eを取得し、必要な場合には、取得したオンライン情報eの値を加工し、操作値指令cと合わせて入力情報aを生成し、水質推定装置10に送信する機能を有する。オンライン情報eは、制御対象プラント100内に設置されたセンサにより計測された、処理前の流入水6の水質、処理後の処理水7の水質、および各制御機器に関する情報を含み得る。 The monitoring and control system 3 has a function of monitoring and controlling the water and sewage plant 5, and has a function of transmitting control information d to the water and sewage plant 5 in response to an operation value command c from the user 2. Further, the online information e measured by the measuring device 4 is acquired, and if necessary, the value of the acquired online information e is processed to generate the input information a together with the operation value command c, and the water quality estimation device is used. It has a function of transmitting to 10. The online information e may include information about the water quality of the inflow water 6 before treatment, the water quality of the treated water 7 after treatment, and each control device measured by a sensor installed in the controlled plant 100.

監視制御システム3はさらに、気象情報qなどプラント外部から取得される情報を取得し、この情報を、入力情報aに含めて水質推定装置10へ送信することもできる。 The monitoring and control system 3 can also acquire information acquired from outside the plant, such as weather information q, and include this information in the input information a and transmit it to the water quality estimation device 10.

図2は、第1の実施形態の水質推定装置の構成例を示すブロック図である。 FIG. 2 is a block diagram showing a configuration example of the water quality estimation device of the first embodiment.

水質推定装置10は、図示しないバスで接続されたCPU(Central−processing Unit)やメモリや補助記憶装置などを備えており、プログラムを実行する。 The water quality estimation device 10 includes a CPU (Central-processing Unit), a memory, an auxiliary storage device, and the like connected by a bus (not shown), and executes a program.

水質推定装置10は、このプログラムの実行によって、データベース11、手作業分析結果格納部12、オフライン情報推定モデル格納部13、処理水質予測モデル格納部14、オンライン情報取得部15、オフライン情報推定部16、処理水質予測部17、および情報出力部18を備える装置として機能する。 By executing this program, the water quality estimation device 10 executes the database 11, the manual analysis result storage unit 12, the offline information estimation model storage unit 13, the treated water quality prediction model storage unit 14, the online information acquisition unit 15, and the offline information estimation unit 16. , A device including a treated water quality prediction unit 17, and an information output unit 18.

これら水質推定装置10の各機能の全てあるいは一部は、ASIC(Application Specific Integrated Circuit)、PLD(Programmable Logic Device)、FPGA(Field−programmable Gate Array)等のハードウェアを用いて実現することができる。プログラムは、コンピュータ読取可能な記録媒体に記録され得る。コンピュータ読取可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ROM、CD−ROM等の可搬媒体や、コンピュータシステムに内蔵されるハードディスク等の記憶装置を含む。プログラムは、電気通信回線を介して送信されることも可能である。 All or part of each function of the water quality estimation device 10 can be realized by using ASIC (Application Specific Integrated Circuit), PLD (Programmable Logic Device), FPGA (Field-programmable Gate Array), or the like. .. The program can be recorded on a computer-readable recording medium. The computer-readable recording medium includes, for example, a portable medium such as a flexible disk, a magneto-optical disk, a ROM, or a CD-ROM, and a storage device such as a hard disk built in a computer system. The program can also be transmitted over a telecommunication line.

データベース11、手作業分析結果格納部12、オフライン情報推定モデル格納部13、および処理水質予測モデル格納部14は、磁気ハードディスク装置や半導体記憶装置などの記憶装置を用いて構成できる。 The database 11, the manual analysis result storage unit 12, the offline information estimation model storage unit 13, and the treated water quality prediction model storage unit 14 can be configured by using a storage device such as a magnetic hard disk device or a semiconductor storage device.

オンライン情報取得部15は、図示しない通信インタフェースを含んで構成され、この通信インタフェースを介して監視制御システム3と通信する。オンライン情報取得部15は、監視制御システム3から送信された入力情報aを受信し、入力情報aに含まれるオンライン情報eをデータベース11へ出力し、オンライン情報eを、時間に関連付けてデータベース11に蓄積させる。 The online information acquisition unit 15 is configured to include a communication interface (not shown), and communicates with the monitoring control system 3 via this communication interface. The online information acquisition unit 15 receives the input information a transmitted from the monitoring control system 3, outputs the online information e included in the input information a to the database 11, and associates the online information e with the time in the database 11. Accumulate.

オンライン情報取得部15は、このようなオンライン情報eの取得を所定のタイミングで繰り返し実行することにより、オンライン情報eをデータベース11に蓄積させる。なお、オンライン情報取得部15は、現時刻のオンライン情報eのみならず、過去のオンライン情報eをも監視制御システム3から取得し、データベース11へ蓄積させることもできる。 The online information acquisition unit 15 repeatedly executes such acquisition of the online information e at a predetermined timing, thereby accumulating the online information e in the database 11. The online information acquisition unit 15 can acquire not only the online information e at the current time but also the past online information e from the monitoring control system 3 and store it in the database 11.

図3は、データベースの一例を示すデータ構造図である。 FIG. 3 is a data structure diagram showing an example of a database.

データベース11には、列項目として時間f、行項目として項目名gが設定されている。 In the database 11, the time f is set as the column item and the item name g is set as the row item.

データベース11には、時間fに関連付けられたカラムからなる記録領域Wが設けられている。図3に示す例では、時間fは、過去の時間(例えば、−p時間)から将来の時間(例えば、+p時間)までを含む時間範囲にわたり、過去の時間(例えば、−p時間)および将来の時間(+p時間)の上限は、上下水道プラント5内における滞留時間以上とすることができる。時間fの粒度は1分から1時間程度とすることができる。 The database 11 is provided with a recording area W composed of columns associated with the time f. In the example shown in FIG. 3, time f spans a time range from past time (eg, −p time) to future time (eg, + p time), past time (eg, −p time) and future. The upper limit of the time (+ p time) can be equal to or greater than the residence time in the water and sewage plant 5. The particle size of the time f can be about 1 minute to 1 hour.

項目名gは、水質以外の信号である他信号g1、流入水6の水質に関する流入水質g2、および処理水7の水質に関する処理水質g3に分類され、流入水質g2はさらに、オンライン情報g21およびオフライン情報g22に分類され、処理水質g3も同様に、オンライン情報g31およびオフライン情報g32に分類されている。他信号g1はすべてオンライン情報g11である。データベース11内の行・列は逆でもよい。 The item name g is classified into another signal g1, which is a signal other than the water quality, the inflow water quality g2 regarding the water quality of the inflow water 6, and the treated water quality g3 regarding the water quality of the treated water 7, and the inflow water quality g2 is further classified into online information g21 and offline. It is classified into information g22, and the treated water quality g3 is also classified into online information g31 and offline information g32. The other signals g1 are all online information g11. The rows and columns in database 11 may be reversed.

オンライン情報eの値は、オンライン情報取得部15からデータベース11へ出力される。 The value of the online information e is output from the online information acquisition unit 15 to the database 11.

オンライン情報取得部15からのオンライン情報eは、データベース11において、他信号g1に関するオンライン情報g11、流入水質g2に関するオンライン情報g21、および処理水質g3に関するオンライン情報g31のうちのいずれかに分類された後、時間fに関連付けられて、記録領域W内の該当するカラムに書き込まれる。 After the online information e from the online information acquisition unit 15 is classified into any one of the online information g11 regarding the other signal g1, the online information g21 regarding the inflow water quality g2, and the online information g31 regarding the treated water quality g3 in the database 11. , Associated with time f, is written to the corresponding column in the recording area W.

データベース11には、オンライン情報取得部15からのオンライン情報eの値に加え、オフライン情報推定部16によって推定されたオフライン情報の値、処理水質予測部17によって予測されたオンライン情報およびオフライン情報の将来の値が、時間fに関連付けられて、記録領域W内の該当するカラムに適宜書き込まれる。これによってデータベース11の内容が更新される。 In the database 11, in addition to the value of the online information e from the online information acquisition unit 15, the value of the offline information estimated by the offline information estimation unit 16, the online information predicted by the treated water quality prediction unit 17, and the future of the offline information. The value of is associated with the time f and is appropriately written to the corresponding column in the recording area W. As a result, the contents of the database 11 are updated.

手作業分析結果格納部12には、オフライン分析により測定された流入水質g2や処理水質g3に関するオフライン情報g22、g32の値が、測定時刻および項目名と共に、例えばレポート形式で格納される。 In the manual analysis result storage unit 12, the values of the offline information g22 and g32 regarding the inflow water quality g2 and the treated water quality g3 measured by the offline analysis are stored together with the measurement time and the item name, for example, in a report format.

オフライン情報推定モデル格納部13は、オンライン情報の値に基づいて、オフライン情報の値を推定するためのオフライン情報推定モデル13aを格納する。 The offline information estimation model storage unit 13 stores the offline information estimation model 13a for estimating the value of the offline information based on the value of the online information.

オフライン情報推定モデル13aは、オフライン情報に影響するオンライン情報の値や、オフライン分析の結果に基づいて、物理・化学反応に基づく理論的解析、機械学習による解析、またはそのいずれかを適用して事前に生成され、オフライン情報推定モデル格納部13に格納される。 The offline information estimation model 13a is preliminarily applied with theoretical analysis based on physical / chemical reactions, analysis by machine learning, or any of them, based on the value of online information affecting the offline information and the result of the offline analysis. Is generated in, and is stored in the offline information estimation model storage unit 13.

オフライン情報推定モデル格納部13に格納されるオフライン情報推定モデル13aは複数でもよく、例えば、オフライン情報推定モデル格納部13は、対象とする処理水質g3毎に準備された複数の異なるオフライン情報推定モデル13aや、同一の処理水質g3を推定するために準備された複数の異なるオフライン情報推定モデル13aを格納することもできる。 There may be a plurality of offline information estimation models 13a stored in the offline information estimation model storage unit 13. For example, the offline information estimation model storage unit 13 may have a plurality of different offline information estimation models prepared for each target treated water quality g3. It is also possible to store 13a and a plurality of different offline information estimation models 13a prepared for estimating the same treated water quality g3.

処理水質予測モデル格納部14は、処理前の水質、すなわち流入水6の流入水質g2に基づいて、処理後の水質、すなわち、処理水7の処理水質g3を予測するための処理水質予測モデル14aを格納する。 The treated water quality prediction model storage unit 14 is a treated water quality prediction model 14a for predicting the treated water quality, that is, the treated water quality g3 of the treated water 7, based on the water quality before the treatment, that is, the inflow water quality g2 of the inflow water 6. To store.

処理水質予測モデル14aは、流入水質g2に基づいて、注入された薬品量および物理・化学反応に基づく理論的解析、機械学習による解析、またはそのいずれかを適用して事前に生成され、処理水質予測モデル格納部14に格納される。 The treated water quality prediction model 14a is pre-generated based on the inflow water quality g2 by applying either theoretical analysis based on the amount of injected chemicals and physical / chemical reaction, analysis by machine learning, or any of the above, and the treated water quality. It is stored in the prediction model storage unit 14.

処理水質予測モデル格納部14に格納される処理水質予測モデル14aもまた複数でもよく、例えば、処理水質予測モデル格納部14は、対象の処理水質g3毎に準備された複数の異なる処理水質予測モデル14aや、同一の処理水質g3を予測するために準備された複数の異なる処理水質予測モデル14aを格納することもできる。 The treated water quality prediction model 14a stored in the treated water quality prediction model storage unit 14 may also be plural. For example, the treated water quality prediction model storage unit 14 may have a plurality of different treated water quality prediction models prepared for each target treated water quality g3. It is also possible to store 14a and a plurality of different treated water quality prediction models 14a prepared for predicting the same treated water quality g3.

オフライン情報推定部16は、データベース11に蓄積されたオンライン情報g11、g21、g31の値、オフライン情報推定モデル13a、および処理水質予測モデル14aに基づいて、オフライン情報g22、g32の値を推定する演算を行い、その結果得られた値を、時間fに関連付けてデータベース11の記録領域Wのうちの該当するカラムに書き込むことによって、データベース11に蓄積させる。 The offline information estimation unit 16 estimates the values of the offline information g22 and g32 based on the values of the online information g11, g21 and g31 stored in the database 11, the offline information estimation model 13a and the treated water quality prediction model 14a. Is performed, and the value obtained as a result is written in the corresponding column of the recording area W of the database 11 in association with the time f, so that the value is accumulated in the database 11.

オフライン情報推定部16によってなされるオフライン情報の推定方法を図4および図5を用いて説明する。 The method of estimating offline information performed by the offline information estimation unit 16 will be described with reference to FIGS. 4 and 5.

図4は、オフライン情報の値の推定方法の一例を説明するためのデータベースのデータ構造図である。 FIG. 4 is a data structure diagram of a database for explaining an example of a method of estimating the value of offline information.

図4に示すデータベース11において、カラム領域Aには、過去から現在までの他信号g1のオンライン情報g11および流入水質g2のオンライン情報g21の値が書き込まれている。また、カラム領域Aと同じ時間帯に属するカラム領域Bには、過去から現在までの処理水質g3のオンライン情報g31の値が書き込まれている。しかしながら、オンライン情報g21、g31に対応するオフライン情報g22、g32の値は書き込まれていない。 In the database 11 shown in FIG. 4, the values of the online information g11 of the other signal g1 and the online information g21 of the inflow water quality g2 from the past to the present are written in the column region A. Further, in the column region B belonging to the same time zone as the column region A, the value of the online information g31 of the treated water quality g3 from the past to the present is written. However, the values of the offline information g22 and g32 corresponding to the online information g21 and g31 are not written.

このような場合、オフライン情報推定部16は、オフライン情報推定モデル13a、処理水質予測モデル14a、データベース11のカラム領域Aに書き込まれているオンライン情報g11、g21の値、およびカラム領域Bに書き込まれているオンライン情報g31の値を用いて、カラム領域A、Bと同じ時間帯に属するカラム領域C内のカラムに対応するオフライン情報g22の値を推定する演算を行い、その結果得られた値を、推定値として、時間fに関連付けてカラム領域C内の該当するカラムに書き込む。これによって、オフライン情報g22の推定値がデータベース11に蓄積される。 In such a case, the offline information estimation unit 16 is written in the offline information estimation model 13a, the treated water quality prediction model 14a, the values of the online information g11 and g21 written in the column area A of the database 11, and the column area B. Using the value of the online information g31, the value of the offline information g22 corresponding to the column in the column area C belonging to the same time zone as the column areas A and B is estimated, and the value obtained as a result is calculated. , As an estimated value, write to the corresponding column in the column area C in association with the time f. As a result, the estimated value of the offline information g22 is stored in the database 11.

図5は、オフライン情報の値の推定方法の別の例を説明するためのデータベースのデータ構造図である。 FIG. 5 is a data structure diagram of a database for explaining another example of a method of estimating the value of offline information.

図5は、カラム領域Dに属するオフライン情報g32の値を推定する例を説明するための図である。 FIG. 5 is a diagram for explaining an example of estimating the value of the offline information g32 belonging to the column region D.

カラム領域A、Bと同じ時間帯に属するカラム領域D内のカラムに対応するオフライン情報g32の値を推定する場合も、オフライン情報推定部16は、カラム領域Aに書き込まれているオンライン情報g11、g21の値、およびカラム領域Bに書き込まれているオンライン情報g31の値を用いて、カラム領域Dに属するオフライン情報g32の値を推定する演算を行い、その結果得られた値を、推定値として、時間fに関連付けてカラム領域D内の該当するカラムに書き込む。これによって、オフライン情報g32の推定値がデータベース11に蓄積される。 When estimating the value of the offline information g32 corresponding to the column in the column area D belonging to the same time zone as the column areas A and B, the offline information estimation unit 16 also estimates the online information g11 written in the column area A. Using the value of g21 and the value of the online information g31 written in the column area B, an operation for estimating the value of the offline information g32 belonging to the column area D is performed, and the value obtained as a result is used as an estimated value. , Write to the corresponding column in the column area D in association with time f. As a result, the estimated value of the offline information g32 is stored in the database 11.

このようにして、オフライン情報推定部16は、データベース11に蓄積されたオンライン情報g11、g21、g31の値を用いて、オフライン情報g22、g32の値を推定する演算を行い、その結果得られた値を、推定値として、時間fに関連付けて、記録領域Wのうちの該当するカラムに書き込むことによって、データベース11に蓄積させることができる。 In this way, the offline information estimation unit 16 performs an operation of estimating the values of the offline information g22 and g32 using the values of the online information g11, g21 and g31 stored in the database 11, and obtained as a result. The value can be stored in the database 11 by writing the value as an estimated value in the corresponding column of the recording area W in association with the time f.

処理水質予測部17は、データベース11に蓄積されたオンライン情報g11、g21、g31およびオフライン情報g22、g32の値と、処理水質予測モデル14aとに基づいて、処理水質g3のオンライン情報g31やオフライン情報g32の将来(例えば、+p時間先まで)の値を予測し、予測によって得られた値を、時間fに関連付けてデータベース11の記録領域W内の該当するカラムに書き込む。この予測方法を、図6を用いて説明する。 The treated water quality prediction unit 17 is based on the values of the online information g11, g21, g31 and the offline information g22, g32 stored in the database 11 and the treated water quality prediction model 14a, and the online information g31 and offline information of the treated water quality g3. The future value of g32 (for example, up to + p hours ahead) is predicted, and the value obtained by the prediction is written in the corresponding column in the recording area W of the database 11 in association with the time f. This prediction method will be described with reference to FIG.

図6は、オンライン情報の将来の値の予測方法の一例を説明するためのデータベースのデータ構造図である。 FIG. 6 is a data structure diagram of a database for explaining an example of a method of predicting a future value of online information.

図6に示すデータベース11において、カラム領域Eには、他信号g1のオンライン情報g11の値、流入水質g2のオンライン情報g21およびオフライン情報g22の値、および処理水質g3のオンライン情報g31の値が、時間fに関連付けられて書き込まれている。なお、オフライン情報g22の値は、例えば図4で説明したような方法で推定された値である。 In the database 11 shown in FIG. 6, in the column region E, the value of the online information g11 of the other signal g1, the value of the online information g21 and the offline information g22 of the inflow water quality g2, and the value of the online information g31 of the treated water quality g3 are displayed. Written in association with time f. The value of the offline information g22 is a value estimated by a method as described in FIG. 4, for example.

処理水質予測部17は、カラム領域Eに書き込まれているオンライン情報g11、g21、g31およびオフライン情報g22の値に基づいて、処理水質g3のオンライン情報g31の将来(例えば、+p時間先まで)の値を予測する演算を行い、その結果得られた値を、予測値として、時間fに関連付けて、データベース11におけるカラム領域F内の該当するカラムに書き込む。 The treated water quality prediction unit 17 determines the future (for example, up to + p hours ahead) of the online information g31 of the treated water quality g3 based on the values of the online information g11, g21, g31 and the offline information g22 written in the column region E. An operation for predicting a value is performed, and the value obtained as a result is written as a predicted value in the corresponding column in the column area F in the database 11 in association with the time f.

また、オフライン情報推定部16と処理水質予測部17とが連携することによって、流入水質g2のオフライン情報g22の値の推定と、処理水質g3のオンライン情報g31およびオフライン情報g32の値の予測とを同時に実施することもできる。これを図7および図8を用いて説明する。 In addition, the offline information estimation unit 16 and the treated water quality prediction unit 17 cooperate to estimate the value of the offline information g22 of the inflow water quality g2 and to predict the values of the online information g31 and the offline information g32 of the treated water quality g3. It can also be carried out at the same time. This will be described with reference to FIGS. 7 and 8.

図7は、流入水質g2のオフライン情報g22の値の推定と、処理水質g3のオンライン情報g31およびオフライン情報g32の値の予測とを同時に実施する方法の一例を説明するためのデータベースのデータ構造図である。 FIG. 7 is a data structure diagram of a database for explaining an example of a method of simultaneously estimating the value of the offline information g22 of the inflow water quality g2 and predicting the values of the online information g31 and the offline information g32 of the treated water quality g3. Is.

図8は、図7のような同時実施方法を実現するためのオフライン情報推定部16と処理水質予測部17との連携処理を説明するための概念図である。 FIG. 8 is a conceptual diagram for explaining the cooperative processing between the offline information estimation unit 16 and the treated water quality prediction unit 17 for realizing the simultaneous implementation method as shown in FIG. 7.

図7に示されるように、オンライン情報g21の過去から現在までの値が、時間fに関連付けられてデータベース11のカラム領域Gに書き込まれている。 As shown in FIG. 7, the values of the online information g21 from the past to the present are written in the column area G of the database 11 in association with the time f.

まず、オフライン情報推定部16が、流入水質g2のオフライン情報g22の値を推定する。そして、処理水質予測部17が、流入水質g2のオンライン情報g21の値、オフライン情報g22の推定された値、および処理水質予測モデル14aに基づいて、処理水質g3のオンライン情報g31およびオフライン情報g32の将来(例えば、+p時間先まで)の値を予測する。 First, the offline information estimation unit 16 estimates the value of the offline information g22 of the inflow water quality g2. Then, the treated water quality prediction unit 17 determines the online information g31 and the offline information g32 of the treated water quality g3 based on the value of the online information g21 of the inflow water quality g2, the estimated value of the offline information g22, and the treated water quality prediction model 14a. Predict future values (for example, up to + p hours ahead).

このために、オフライン情報推定部16は、オフライン分析部1601、オフライン情報値生成部1602、オフライン情報評価部1603、評価結果出力部1604、およびモデル更新部1605を備えている。 For this purpose, the offline information estimation unit 16 includes an offline analysis unit 1601, an offline information value generation unit 1602, an offline information evaluation unit 1603, an evaluation result output unit 1604, and a model update unit 1605.

オフライン分析部1601では、流入水質g2に対して実際にオフライン分析された結果が取得され、この分析結果iが、オフライン情報値生成部1602へ出力される。 The offline analysis unit 1601 acquires the result of the actual offline analysis of the inflow water quality g2, and outputs the analysis result i to the offline information value generation unit 1602.

オフライン情報値生成部1602は、オフライン分析部1601から出力された分析結果iに基づいて、流入水質g2のオフライン情報g22の値jを生成し、処理水質予測部14へ出力する。 The offline information value generation unit 1602 generates the value j of the offline information g22 of the inflow water quality g2 based on the analysis result i output from the offline analysis unit 1601 and outputs it to the treated water quality prediction unit 14.

処理水質予測部17は、データベース11に書き込まれているオンライン情報g21の値と、オフライン情報値生成部1602から出力された、オフライン情報g22の値jを処理水質予測モデル14aに入力し、処理水質g3のオンライン情報g31およびオフライン情報g32の将来の(例えば、+p時間先まで)値を予測する。これによって、例えば、オフライン分析部1601においてオフライン分析が1時間毎に行われる場合、オフライン情報g22の値jもまた1時間毎に生成されるので、それに応じて、処理水質g3のオンライン情報g31およびオフライン情報g32の将来の値も1時間毎に予測される。 The treated water quality prediction unit 17 inputs the value of the online information g21 written in the database 11 and the value j of the offline information g22 output from the offline information value generation unit 1602 into the treated water quality prediction model 14a, and the treated water quality. Predict future values of online information g31 and offline information g32 of g3 (for example, up to + p hours ahead). As a result, for example, when the offline analysis unit 1601 performs the offline analysis every hour, the value j of the offline information g22 is also generated every hour. The future value of the offline information g32 is also predicted every hour.

オフライン情報評価部1603は、オフライン情報値生成部1602によって生成されたオフライン情報g22の値jと、処理水質予測モデル14aによって予測されたオフライン情報g32の将来の値kとを経時的に比較する。例えば、前述したように、オフライン情報g22の値jが1時間毎に生成される場合、オフライン情報評価部1603は、オフライン情報g22の値jと、オフライン情報g32の将来の値kとの相関性を1時間毎に比較することができる。この比較結果は、評価結果出力部1604から確認することができる。 The offline information evaluation unit 1603 compares the value j of the offline information g22 generated by the offline information value generation unit 1602 with the future value k of the offline information g32 predicted by the treated water quality prediction model 14a over time. For example, as described above, when the value j of the offline information g22 is generated every hour, the offline information evaluation unit 1603 correlates the value j of the offline information g22 with the future value k of the offline information g32. Can be compared hourly. This comparison result can be confirmed from the evaluation result output unit 1604.

そして、オフライン情報評価部1603が、オフライン情報g22の値jと、オフライン情報g32の将来の値kとの間で、経時的なばらつきがない、すなわち、オフライン情報g22の値jの経時的な変化の傾向と、オフライン情報g32の将来の値kの経時的な変化の傾向との間に相関性があると判定すると、オフライン情報評価部1603は、オフライン情報値生成部1602に用いられている計算式で使用されているパラメータの値が妥当であると判定し、オフライン情報値生成部1602によって生成された流入水質g2のオフライン情報g22の値j、処理水質予測モデル14aによって予測された処理水質g3のオンライン情報g31の値およびオフライン情報g32の値kが妥当であると判定し、流入水質g2のオフライン情報g22の値jを、データベース11のカラム領域H1内の該当するカラムに書き込み、処理水質g3のオンライン情報g31の値を、データベース11のカラム領域H2内の該当するカラムに書き込み、オフライン情報g32の値kを、データベース11のカラム領域H3内の該当するカラムに書き込む。 Then, the offline information evaluation unit 1603 shows that there is no time-dependent variation between the value j of the offline information g22 and the future value k of the offline information g32, that is, the change over time of the value j of the offline information g22. When it is determined that there is a correlation between the tendency of the offline information g32 and the tendency of the future value k of the offline information g32 to change with time, the offline information evaluation unit 1603 calculates the calculation used in the offline information value generation unit 1602. It is determined that the values of the parameters used in the equation are appropriate, the value j of the offline information g22 of the inflow water quality g2 generated by the offline information value generation unit 1602, and the treated water quality g3 predicted by the treated water quality prediction model 14a. It is determined that the value of the online information g31 and the value k of the offline information g32 are appropriate, and the value j of the offline information g22 of the inflow water quality g2 is written in the corresponding column in the column area H1 of the database 11, and the treated water quality g3 is written. The value of the online information g31 is written in the corresponding column in the column area H2 of the database 11, and the value k of the offline information g32 is written in the corresponding column in the column area H3 of the database 11.

一方、オフライン情報g22の値jと、オフライン情報g32の将来の値kとの間で、経時的なばらつきがある、すなわち、オフライン情報g22の値jの経時的な変化の傾向と、オフライン情報g32の将来の値kの経時的な変化の傾向との間に相関性がないとオフライン情報評価部1603が判定すると、モデル更新部1605が、オフライン情報値生成部1602に用いられている計算式で使用されているパラメータの値を調整するための調整指示hを生成し、オフライン情報値生成部1602へ出力する。 On the other hand, there is a time-dependent variation between the value j of the offline information g22 and the future value k of the offline information g32, that is, the tendency of the value j of the offline information g22 to change over time and the offline information g32. When the offline information evaluation unit 1603 determines that there is no correlation with the tendency of the future value k of to change with time, the model update unit 1605 uses the calculation formula used in the offline information value generation unit 1602. The adjustment instruction h for adjusting the value of the used parameter is generated and output to the offline information value generation unit 1602.

モデル更新部1605から調整指示hが出力されると、オフライン情報値生成部1602は、オフライン情報値生成部1602の計算式で使用されているパラメータの値を、調整指示hに従って調整し、パラメータの値が調整された計算式を用いて、流入水質g2のオフライン情報g22の値jを再度生成し、前述した予測計算、すなわち、データベース11に書き込まれているオンライン情報g21の値と、オフライン情報値生成部1602から出力されたオフライン情報g22の値jとに基づいて、処理水質g3のオンライン情報g31およびオフライン情報g32の将来の値を予測する計算を再度実行する。 When the adjustment instruction h is output from the model update unit 1605, the offline information value generation unit 1602 adjusts the value of the parameter used in the calculation formula of the offline information value generation unit 1602 according to the adjustment instruction h, and adjusts the value of the parameter. Using the calculation formula with the adjusted values, the value j of the offline information g22 of the inflow water quality g2 is generated again, and the above-mentioned prediction calculation, that is, the value of the online information g21 written in the database 11 and the offline information value. Based on the value j of the offline information g22 output from the generation unit 1602, the calculation for predicting the future values of the online information g31 and the offline information g32 of the treated water quality g3 is executed again.

その結果得られた処理水質g3のオフライン情報g32の将来の値kと、流入水質g2のオフライン情報g22の値jとの間で、経時的なばらつきがないとオフライン情報評価部1603が判定すると、オフライン情報評価部1603は、オフライン情報値生成部1602の計算式で使用されているパラメータの値は妥当であると判定し、オフライン情報値生成部1602によって生成された流入水質g2のオフライン情報g22の値j、処理水質予測モデル14aによって予測されたオンライン情報g31の将来の値、およびオフライン情報g32の将来の値kも妥当であると判定し、流入水質g2のオフライン情報g22の値jを、データベース11のカラム領域H1内の該当するカラムに書き込み、オンライン情報g31の値を、データベース11のカラム領域H2内の該当するカラムに書き込み、オフライン情報g32の値kを、データベース11のカラム領域H3内の該当するカラムに書き込む。 When the offline information evaluation unit 1603 determines that there is no time-dependent variation between the future value k of the offline information g32 of the treated water quality g3 obtained as a result and the value j of the offline information g22 of the inflow water quality g2. The offline information evaluation unit 1603 determines that the value of the parameter used in the calculation formula of the offline information value generation unit 1602 is appropriate, and determines that the offline information g22 of the inflow water quality g2 generated by the offline information value generation unit 1602. It is determined that the value j, the future value of the online information g31 predicted by the treated water quality prediction model 14a, and the future value k of the offline information g32 are also appropriate, and the value j of the offline information g22 of the inflow water quality g2 is stored in the database. Write to the corresponding column in the column area H1 of 11 and write the value of the online information g31 to the corresponding column in the column area H2 of the database 11 and write the value k of the offline information g32 to the column area H3 of the database 11. Write to the corresponding column.

一方、経時的なばらつきがあるとオフライン情報評価部1603が判定した場合、モデル更新部1605は、調整指示hを再度、オフライン情報値生成部1602へ出力し、これに応じてオフライン情報値生成部1602が、調整指示hに従って調整パラメータを再度調整した後に、流入水質g2のオフライン情報g22の値jを再度生成し、処理水質g3のオンライン情報g31およびオフライン情報g32の将来の値を予測する計算を実行し、オフライン情報評価部1603が、前述したような経時的なばらつきの有無の判定を行う、という一連の処理を繰り返すことによって、最終的に、流入水質g2のオフライン情報g22の推定値と、処理水質g3のオンライン情報g31およびオフライン情報g32の予測値とを同時に決定することができる。 On the other hand, when the offline information evaluation unit 1603 determines that there is a variation over time, the model update unit 1605 outputs the adjustment instruction h to the offline information value generation unit 1602 again, and the offline information value generation unit responds accordingly. After the adjustment parameter is readjusted according to the adjustment instruction h, 1602 regenerates the value j of the offline information g22 of the inflow water quality g2, and calculates the prediction of the future values of the online information g31 and the offline information g32 of the treated water quality g3. By repeating a series of processes of executing and determining the presence or absence of variation over time as described above by the offline information evaluation unit 1603, finally, the estimated value of the offline information g22 of the inflow water quality g2 and the estimated value of the offline information g22 of the inflow water quality g2 are obtained. The online information g31 of the treated water quality g3 and the predicted value of the offline information g32 can be determined at the same time.

情報出力部18は、データベース11に書き込まれている情報(オンライン情報g11、g21、g31およびオフライン情報g22、g32)を、図示しない通信インタフェースを介してユーザ2へ送信することができる。ユーザは、例えばモニタ等の表示デバイスから、送信された情報を表示させることができる。特に、図1においてユーザ2へ送信された推定結果情報bは、情報出力部18によって出力されたオフライン情報g22、g32の推定値に相当する。 The information output unit 18 can transmit the information (online information g11, g21, g31 and offline information g22, g32) written in the database 11 to the user 2 via a communication interface (not shown). The user can display the transmitted information from a display device such as a monitor. In particular, the estimation result information b transmitted to the user 2 in FIG. 1 corresponds to the estimated values of the offline information g22 and g32 output by the information output unit 18.

以上説明したように、第1の実施形態の水質推定方法が適用された水質推定装置10によれば、オンラインで計測できない水質に関する情報を、センサのような計測装置4によってオンラインで計測された他の水質に関する情報を用いて推定することができるので、センサが設置されていない環境下でも所望の水質項目に関する情報を取得することが可能となる。 As described above, according to the water quality estimation device 10 to which the water quality estimation method of the first embodiment is applied, information on water quality that cannot be measured online is measured online by a measurement device 4 such as a sensor. Since it can be estimated using the information on the water quality of the above, it is possible to acquire the information on the desired water quality item even in an environment where the sensor is not installed.

したがって、センサの設置、導入、および維持に係るコストを節約することが可能となる。 Therefore, it is possible to save the cost of installing, installing, and maintaining the sensor.

また、第1の実施形態の水質推定方法が適用された水質推定装置10によれば、計測されたオンライン情報および推定されたオフライン情報に基づいて、処理水質に関する将来のオンライン情報やオフライン情報を予測することができる。 Further, according to the water quality estimation device 10 to which the water quality estimation method of the first embodiment is applied, future online information and offline information regarding the treated water quality are predicted based on the measured online information and the estimated offline information. can do.

すなわち、オンライン情報が欠測していても、将来の処理水質を予測できるようになるので、将来の処理水質の予測精度が悪化する状況を回避することも可能となる。 That is, even if the online information is missing, the future treated water quality can be predicted, so that it is possible to avoid the situation where the prediction accuracy of the future treated water quality deteriorates.

(第2の実施形態)
第2の実施形態の水質推定方法が適用された水質推定装置について説明する。
(Second Embodiment)
The water quality estimation device to which the water quality estimation method of the second embodiment is applied will be described.

図9は、第2の実施形態の水質推定装置の構成例を示すブロック図である。 FIG. 9 is a block diagram showing a configuration example of the water quality estimation device of the second embodiment.

なお、図9では、図2と同一部分については、図2と同一符号を付して示している。したがって、以下の説明では、図2と同一部分については、重複説明を避ける。 In FIG. 9, the same parts as those in FIG. 2 are designated by the same reference numerals as those in FIG. Therefore, in the following description, duplicate description will be avoided for the same part as in FIG.

図9に示す水質推定装置10aは、図2に示す水質推定装置10に、時系列予測モデル格納部19および時系列予測部20を付加した構成をしている。 The water quality estimation device 10a shown in FIG. 9 has a configuration in which a time series prediction model storage unit 19 and a time series prediction unit 20 are added to the water quality estimation device 10 shown in FIG.

時系列予測モデル格納部19は、時系列予測モデル19aを格納している。 The time-series prediction model storage unit 19 stores the time-series prediction model 19a.

時系列予測モデル19aは、処理前の水質に関するオンライン情報およびオフライン情報、すなわち、オンライン情報g11、g21およびオフライン情報g22の将来の値を予測するためのモデルである。 The time series prediction model 19a is a model for predicting future values of online information and offline information regarding water quality before treatment, that is, online information g11, g21 and offline information g22.

時系列予測部20は、データベース11に蓄積された処理前のオンライン情報g11、g21それぞれの値と、時系列予測モデル19aとに基づいて、オンライン情報g11、g21それぞれの将来(例えば、滞留時間よりも長い+p時間以降まで)の値を個別に予測する。また、データベース11に蓄積された処理前のオフライン情報g22の値と、時系列予測モデル19aとに基づいて、オフライン情報g22の将来(例えば、+p時間以降まで)の値を予測する。このように処理前のオンライン情報g11、g21およびオフライン情報g22の将来の値を予測する時系列予測方法を、図10を用いて説明する。 The time series prediction unit 20 is based on the values of the online information g11 and g21 before processing stored in the database 11 and the time series prediction model 19a, and the future of the online information g11 and g21 (for example, from the residence time). Predict the value of long + p time or later) individually. Further, the future value of the offline information g22 (for example, until + p time or later) is predicted based on the value of the offline information g22 before processing stored in the database 11 and the time series prediction model 19a. A time-series prediction method for predicting future values of online information g11, g21 and offline information g22 before processing in this way will be described with reference to FIG.

図10は、時系列予測方法の一例を説明するためのデータベースのデータ構造図である。 FIG. 10 is a data structure diagram of a database for explaining an example of a time series prediction method.

図10に示すデータベース11において、カラム領域Iには、現在まで計測された他信号g1のオンライン情報g11の値が、カラム領域Jには、現在まで計測された流入水質g2のオンライン情報g21の値が、カラム領域Kには、オフライン情報推定部16によって推定された現在までのオフライン情報g22の値が書き込まれている。 In the database 11 shown in FIG. 10, the column region I has the value of the online information g11 of the other signal g1 measured up to now, and the column region J has the value of the online information g21 of the inflow water quality g2 measured up to now. However, in the column area K, the value of the offline information g22 up to the present estimated by the offline information estimation unit 16 is written.

時系列予測部20は、時系列予測モデル19aを用いて、カラム領域Iに書き込まれている計測された他信号g1のオンライン情報g11の値から、他信号g1のオンライン情報g11の将来(例えば、+p時間以降まで)の値を予測する計算を行い、結果として得られた値を、予測値としてカラム領域Lにおける該当するカラムに書き込む。 Using the time series prediction model 19a, the time series prediction unit 20 uses the value of the measured online information g11 of the other signal g1 written in the column region I to determine the future of the online information g11 of the other signal g1 (for example, The calculation for predicting the value (until + p time or later) is performed, and the resulting value is written in the corresponding column in the column region L as the predicted value.

時系列予測部20は同様に、時系列予測モデル19aを用いて、カラム領域Jに書き込まれている計測された流入水質g2のオンライン情報g21の値から、流入水質g2のオンライン情報g21の将来(例えば、+p時間以降まで)の値を予測する計算を行い、結果として得られた値を、予測値として、カラム領域Mにおける該当するカラムに書き込む。 Similarly, the time-series prediction unit 20 uses the time-series prediction model 19a to obtain the future of the online information g21 of the inflow water quality g2 from the value of the measured online information g21 of the inflow water quality g2 written in the column region J. For example, a calculation for predicting a value of (until + p time or later) is performed, and the resulting value is written in the corresponding column in the column region M as a predicted value.

時系列予測部20はさらに、時系列予測モデル19aを用いて、カラム領域Kに書き込まれている推定された流入水質g2のオフライン情報g22の値から、流入水質g2のオフライン情報g22の将来(例えば、+p時間以降まで)の値を予測する計算を行い、結果として得られた値を、予測値として、カラム領域Nにおける該当するカラムに書き込む。 Using the time-series prediction model 19a, the time-series prediction unit 20 further uses the value of the estimated offline information g22 of the inflow water quality g2 written in the column region K to determine the future of the offline information g22 of the inflow water quality g2 (for example). , + P time or later) is calculated, and the resulting value is written in the corresponding column in the column region N as a predicted value.

なお、上記は、計測されたオンライン情報g11の値から、将来のオンライン情報g11の予測値を、計測されたオンライン情報g21の値から、将来のオンライン情報g21の予測値を、推定されたオフライン情報g22から、将来のオフライン情報g22の予測値を計算するという具合に、同じ項目の情報毎にそれぞれ予測を行う例であるが、時系列予測部20は、処理前の複数の項目の情報を用いて、これら複数の項目についての将来の値を同時に予測することもできる。この時系列予測方法を、図11を用いて説明する。 In the above, the predicted value of the future online information g11 is estimated from the measured value of the online information g11, and the predicted value of the future online information g21 is estimated from the measured value of the online information g21. This is an example of performing prediction for each information of the same item, such as calculating the predicted value of future offline information g22 from g22, but the time series prediction unit 20 uses the information of a plurality of items before processing. Therefore, future values for these multiple items can be predicted at the same time. This time series prediction method will be described with reference to FIG.

図11は、複数の項目について同時になされる時系列予測方法の一例を説明するためのデータベースのデータ構造図である。 FIG. 11 is a data structure diagram of a database for explaining an example of a time series prediction method performed for a plurality of items at the same time.

図11に示すデータベース11において、カラム領域Qには、計測された他信号g1のオンライン情報g11の値、計測された流入水質g2のオンライン情報g21の値、および、オフライン情報推定部16によって推定されたオフライン情報g22の値が書き込まれている。 In the database 11 shown in FIG. 11, the column region Q is estimated by the measured online information g11 value of the other signal g1, the measured online information g21 value of the inflow water quality g2, and the offline information estimation unit 16. The value of the offline information g22 is written.

時系列予測部20は、時系列予測モデル19aを用いて、カラム領域Qに書き込まれているオンライン情報g11、g21の値、およびオフライン情報g22の値から、将来のオンライン情報g11、g21およびオフライン情報g22の時系列予測計算を実施し、結果として得られた値を、予測値として、カラム領域Rにおける該当するカラムに書き込む。 Using the time-series prediction model 19a, the time-series prediction unit 20 uses the values of the online information g11 and g21 and the offline information g22 written in the column region Q to obtain future online information g11, g21 and offline information. The time series prediction calculation of g22 is performed, and the value obtained as a result is written in the corresponding column in the column region R as a predicted value.

なお、このように時系列予測によって得られた予測値を用いて、前述したように、オフライン情報推定部16によって、オフライン情報の値を推定することもできる。この推定方法を、図12を用いて説明する。 As described above, the offline information estimation unit 16 can estimate the value of the offline information by using the predicted value obtained by the time series prediction in this way. This estimation method will be described with reference to FIG.

図12は、時系列予測によって得られた予測値を用いたオフライン情報の値の推定方法の一例を説明するためのデータベースのデータ構造図である。 FIG. 12 is a data structure diagram of a database for explaining an example of a method of estimating the value of offline information using the predicted value obtained by the time series prediction.

図12に示すデータベース11において、カラム領域Sには、図10または図11に示されているように、オンライン情報g11、g21については、時間fが過去から現在までは、計測された値が書き込まれ、時間fが現在以降については、時系列予測部20による時系列予測計算で得られた値が書き込まれ、オフライン情報g22については、時間fが過去から現在までは、オフライン情報推定部16による推定で既に得られた値が書き込まれ、時間fが現在以降については、時系列予測部20による時系列予測計算で得られた値が書き込まれ、また、オンライン情報g31に関しては、時間fが過去から現在までは、計測された値が書き込まれている。 In the database 11 shown in FIG. 12, as shown in FIG. 10 or 11, the measured values of the time f from the past to the present are written in the column area S for the online information g11 and g21. When the time f is the present or later, the value obtained by the time series prediction calculation by the time series prediction unit 20 is written, and for the offline information g22, the offline information estimation unit 16 from the past to the present time f. The value already obtained by the estimation is written, and when the time f is the present or later, the value obtained by the time series prediction calculation by the time series prediction unit 20 is written, and for the online information g31, the time f is the past. From to the present, the measured values have been written.

オフライン情報推定部16は、このようにカラム領域Sに書き込まれている値、オフライン情報推定モデル13a、および処理水質予測モデル14aを用いて、カラム領域Tに示す将来の処理水質g3のオンライン情報g31の値を推定する演算を行い、その結果得られた値を、推定値として、データベース11におけるカラム領域T内の該当するカラムに書き込む。 The offline information estimation unit 16 uses the value written in the column region S, the offline information estimation model 13a, and the treated water quality prediction model 14a to display the online information g31 of the future treated water quality g3 shown in the column region T. The operation for estimating the value of is performed, and the value obtained as a result is written as an estimated value in the corresponding column in the column area T in the database 11.

なお、図5で説明したように推定され、カラム領域Dに書き込まれたオフライン情報g32の推定値を、時系列予測モデル19aとともに用いることによって、時系列予測部20は、オフライン情報g32の将来の値を、時系列予測計算することもできる。 By using the estimated value of the offline information g32 estimated as described with reference to FIG. 5 and written in the column region D together with the time series prediction model 19a, the time series prediction unit 20 can use the estimated value of the offline information g32 in the future. The value can also be time-series predictive calculation.

以上説明したように、第2の実施形態の水質推定方法が適用された水質推定装置10aによれば、データベース11に書き込まれている値に基づいて、他信号g1のオンライン情報g11、流入水質g2のオンライン情報g21およびオフライン情報g22、ならびに処理水質g3のオンライン情報g31およびオフライン情報g32について、滞留時間よりも十分長い将来の値を予測することができる。そして、その結果得られた予測値に基づいて、例えば、上下水道プラント5に注入すべき塩素注入率を決定するなど、必要な対策を事前に講じることも可能となる。 As described above, according to the water quality estimation device 10a to which the water quality estimation method of the second embodiment is applied, the online information g11 of the other signal g1 and the inflow water quality g2 are based on the values written in the database 11. For the online information g21 and the offline information g22 of the above, and the online information g31 and the offline information g32 of the treated water quality g3, future values sufficiently longer than the residence time can be predicted. Then, based on the predicted value obtained as a result, it is possible to take necessary measures in advance, for example, determining the chlorine injection rate to be injected into the water and sewage plant 5.

(第3の実施形態)
第3の実施形態の水質推定方法が適用された水質推定装置について説明する。
(Third Embodiment)
The water quality estimation device to which the water quality estimation method of the third embodiment is applied will be described.

図13は、第3の実施形態の水質推定装置の構成例を示すブロック図である。 FIG. 13 is a block diagram showing a configuration example of the water quality estimation device of the third embodiment.

なお、図13では、図9と同一部分については、図9と同一符号を付して示している。したがって、以下の説明では、図9と同一部分については、重複説明を避ける。 In FIG. 13, the same parts as those in FIG. 9 are designated by the same reference numerals as those in FIG. Therefore, in the following description, duplicate description will be avoided for the same part as in FIG.

第3の実施形態の水質推定装置10bは、図9に示す水質推定装置10aに、モデル決定部21およびモデル更新部22を付加した構成をしている。そして、オフライン情報推定モデル14a、処理水質予測モデル14a、および時系列予測モデル19aがそれぞれ複数存在する。これに応じて、オフライン情報推定モデル格納部13は、複数のオフライン情報推定モデル13aを格納し、処理水質予測モデル格納部14は、複数の処理水質予測モデル14aを格納し、時系列予測モデル格納部19は、複数の時系列予測モデル19aを格納している。 The water quality estimation device 10b of the third embodiment has a configuration in which a model determination unit 21 and a model update unit 22 are added to the water quality estimation device 10a shown in FIG. Then, there are a plurality of offline information estimation models 14a, treated water quality prediction models 14a, and time series prediction models 19a, respectively. In response to this, the offline information estimation model storage unit 13 stores a plurality of offline information estimation models 13a, and the treated water quality prediction model storage unit 14 stores a plurality of treated water quality prediction models 14a and stores the time series prediction model. The unit 19 stores a plurality of time series prediction models 19a.

モデル決定部21は、データベース11を参照し、オンライン情報取得部15によって取得されたオンライン情報g11、g21、g31、上下水道プラント5の操作値情報、および気象情報q等を元に、上下水道プラント5の現在の状況に応じて、それぞれ複数存在するオフライン情報推定モデル13a、処理水質予測モデル14a、および時系列予測モデル19aの中から、適切なオフライン情報推定モデル13a、処理水質予測モデル14a、および時系列予測モデル19aをそれぞれ1つ決定する。これにより、例えば、気象情報qに基づいて、降雨時やダム放流時などの非定常時に用いるモデルと通常の運用時に用いるモデルとを適宜切り替える等によって、モデルの演算結果の精度の向上を図ることが可能となる。 The model determination unit 21 refers to the database 11, and based on the online information g11, g21, g31, the operation value information of the water and sewage plant 5, the weather information q, etc. acquired by the online information acquisition unit 15, the water and sewage plant. Appropriate offline information estimation model 13a, treated water quality prediction model 14a, and treated water quality prediction model 14a from among a plurality of offline information estimation model 13a, treated water quality prediction model 14a, and time series prediction model 19a, respectively, depending on the current situation of 5. One time-series prediction model 19a is determined for each. As a result, for example, based on the weather information q, the accuracy of the calculation result of the model can be improved by appropriately switching between the model used during non-steady state such as when it rains or when the dam is discharged and the model used during normal operation. Is possible.

モデル更新部22は、データベース11に蓄積された、過去に予測されたオンライン情報g21、g31の値を、実際に計測された対応するオンライン情報g21、g31の値と比較する。実際に計測されたオンライン情報g21、g31の値は、正解値であるので、過去に予測されたオンライン情報g21、g31の値と正解値との差が所定値よりも小さい場合には、モデル更新部22は、使用したオフライン情報推定モデル13a、処理水質予測モデル14a、および時系列予測モデル19aで適用されている各計算式のパラメータ値の設定が妥当であると判定する。一方、差が所定値よりも大きい場合には、使用したオフライン情報推定モデル13a、処理水質予測モデル14a、および時系列予測モデル19aで適用されている各計算式のパラメータ値を調整する。 The model update unit 22 compares the values of the online information g21 and g31 predicted in the past stored in the database 11 with the values of the corresponding online information g21 and g31 actually measured. Since the values of the online information g21 and g31 actually measured are the correct answer values, if the difference between the values of the online information g21 and g31 predicted in the past and the correct answer value is smaller than the predetermined value, the model is updated. Part 22 determines that the setting of the parameter values of the respective calculation formulas applied to the used offline information estimation model 13a, treated water quality prediction model 14a, and time series prediction model 19a is appropriate. On the other hand, when the difference is larger than a predetermined value, the parameter values of the respective calculation formulas applied in the offline information estimation model 13a, the treated water quality prediction model 14a, and the time series prediction model 19a used are adjusted.

なお、比較結果については、その都度データベース11の複製を作成し、作成した複製に保存してもよいし、比較時に改めて予測計算を実施できるような任意の形式で保存してもよい。前者は計算時間を、後者は格納領域を節約できる。また、両者を組み合わせる形式で、比較結果を保存してもよい。 The comparison result may be duplicated of the database 11 each time and saved in the created duplicate, or may be saved in an arbitrary format so that the prediction calculation can be performed again at the time of comparison. The former can save calculation time, and the latter can save storage space. Further, the comparison result may be saved in a format in which both are combined.

以上説明したように、第3の実施形態の水質推定方法が適用された水質推定装置10bによれば、オフライン情報推定モデル13a、処理水質予測モデル14a、および時系列予測モデル19aがそれぞれ複数存在する場合、複数のモデルの中から、妥当なモデルを1つずつ選択することができる。 As described above, according to the water quality estimation device 10b to which the water quality estimation method of the third embodiment is applied, there are a plurality of offline information estimation models 13a, treated water quality prediction models 14a, and time series prediction models 19a, respectively. In the case, a valid model can be selected one by one from a plurality of models.

また、過去に予測されたオンライン情報の値を、実際に計測されたオンライン情報の値と比較し、比較結果に応じて、モデルに用いられている計算式におけるパラメータの値を調整する等によって、モデルを更新することができる。 In addition, the value of the online information predicted in the past is compared with the value of the online information actually measured, and the value of the parameter in the calculation formula used in the model is adjusted according to the comparison result. The model can be updated.

このようにして、妥当なモデルを選択すること、およびモデルの更新を行うこと等によって、オフライン情報推定部16による推定、処理水質予測部17による予測、および時系列予測部20による時系列予測ともに、精度向上を図ることが可能となる。 In this way, by selecting an appropriate model, updating the model, etc., both the estimation by the offline information estimation unit 16, the prediction by the treated water quality prediction unit 17, and the time series prediction by the time series prediction unit 20 , It is possible to improve the accuracy.

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。 Although some embodiments of the present invention have been described, these embodiments are presented as examples and are not intended to limit the scope of the invention. These embodiments can be implemented in various other forms, and various omissions, replacements, and changes can be made without departing from the gist of the invention. These embodiments and modifications thereof are included in the scope and gist of the invention, as well as in the scope of the invention described in the claims and the equivalent scope thereof.

2・・ユーザ、3・・監視制御システム、4・・計測装置、5・・上下水道プラント、6・・流入水、7・・処理水、10、10a、10b・・水質推定装置、11・・データベース、12・・手作業分析結果格納部、13・・オフライン情報推定モデル格納部、13a・・オフライン情報推定モデル、14・・処理水質予測モデル格納部、14a・・処理水質予測モデル、15・・オンライン情報取得部、16・・オフライン情報推定部、17・・処理水質予測部、18・・情報出力部、19・・時系列予測モデル格納部、19a・・時系列予測モデル、20・・時系列予測部、21・・モデル決定部、22・・モデル更新部、100・・制御対象プラント、1601・・オフライン分析部、1602・・オフライン情報値生成部、1603・・オフライン情報評価部、1604・・評価結果出力部、1605・・モデル更新部 2 ... User, 3 ... Monitoring and control system, 4 ... Measuring device, 5 ... Water and sewage plant, 6 ... Inflow water, 7 ... Treated water, 10, 10a, 10b ... Water quality estimation device, 11.・ Database, 12 ・ ・ Manual analysis result storage unit, 13 ・ ・ Offline information estimation model storage unit, 13a ・ ・ Offline information estimation model, 14 ・ ・ Treated water quality prediction model storage unit, 14a ・ ・ Treated water quality prediction model, 15・ ・ Online information acquisition unit, 16 ・ ・ Offline information estimation unit, 17 ・ ・ Treated water quality prediction unit, 18 ・ ・ Information output unit, 19 ・ ・ Time series prediction model storage unit, 19a ・ ・ Time series prediction model, 20 ・ ・・ Time series prediction unit, 21 ・ ・ Model determination unit, 22 ・ ・ Model update unit, 100 ・ ・ Control target plant, 1601 ・ ・ Offline analysis unit, 1602 ・ ・ Offline information value generation unit, 1603 ・ ・ Offline information evaluation department , 1604 ... Evaluation result output unit, 1605 ... Model update unit

Claims (15)

水処理プラントにおける水質に関してセンサによって計測されるオンライン情報と、前記水質と異なる他の水質に関してセンサによって計測されていないオフライン情報とを、時間に関連付けて蓄積するデータベースと、
前記オンライン情報に基づいて、前記オフライン情報を推定するオフライン情報推定モデルを格納するオフライン情報推定モデル格納部と、
前記水処理プラントによる処理前の水質に基づいて、前記水処理プラントによる処理後の水質を予測する処理水質予測モデルを格納する処理水質予測モデル格納部と、
前記データベースに蓄積された前記オンライン情報、前記オフライン情報推定モデル、および前記処理水質予測モデルに基づいて、前記オフライン情報を推定するオフライン情報推定部とを備える、水質推定装置。
A database that accumulates online information measured by sensors regarding water quality in a water treatment plant and offline information that is not measured by sensors regarding other water qualities different from the water quality in relation to time.
An offline information estimation model storage unit that stores an offline information estimation model that estimates the offline information based on the online information, and an offline information estimation model storage unit.
A treated water quality prediction model storage unit that stores a treated water quality prediction model that predicts the water quality after treatment by the water treatment plant based on the water quality before treatment by the water treatment plant.
A water quality estimation device including the online information stored in the database, the offline information estimation model, and an offline information estimation unit that estimates the offline information based on the treated water quality prediction model.
前記オフライン情報推定部は、前記推定した前記オフライン情報を、時間に関連付けて前記データベースに蓄積させる、請求項1に記載の水質推定装置。 The water quality estimation device according to claim 1, wherein the offline information estimation unit stores the estimated offline information in the database in association with time. 前記センサによって計測された前記オンライン情報を収集し、前記収集したオンライン情報を、時間に関連付けて前記データベースに蓄積させるオンライン情報取得部をさらに備える、請求項1または2に記載の水質推定装置。 The water quality estimation device according to claim 1 or 2, further comprising an online information acquisition unit that collects the online information measured by the sensor and stores the collected online information in the database in association with time. 前記オンライン情報取得部はさらに、前記水処理プラントの操作値情報および気象情報を収集する、請求項3に記載の水質推定装置。 The water quality estimation device according to claim 3, wherein the online information acquisition unit further collects operation value information and weather information of the water treatment plant. 前記データベースに蓄積された前記オンライン情報および前記オフライン情報と、前記処理水質予測モデルとに基づいて、前記オンライン情報のうち、前記処理後の水質に関する将来の前記オンライン情報を予測する、処理水質予測部をさらに備える、請求項1乃至4のうち何れか一項に記載の水質推定装置。 The treated water quality prediction unit that predicts the future online information regarding the treated water quality among the online information based on the online information and the offline information accumulated in the database and the treated water quality prediction model. The water quality estimation device according to any one of claims 1 to 4, further comprising. 前記処理水質予測部は、前記予測した将来の前記オンライン情報を、時間に関連付けて前記データベースに蓄積させる、請求項5に記載の水質推定装置。 The water quality estimation device according to claim 5, wherein the treated water quality prediction unit stores the predicted future online information in the database in association with time. 前記データベースに蓄積された前記オンライン情報および前記オフライン情報を出力する情報出力部をさらに備える、請求項1乃至6のうち何れか一項に記載の水質推定装置。 The water quality estimation device according to any one of claims 1 to 6, further comprising an information output unit that outputs the online information and the offline information stored in the database. 前記オンライン情報および前記オフライン情報のうち、前記処理前の水質に関する前記オンライン情報および前記オフライン情報を予測するための時系列予測モデルを格納する時系列予測モデル格納部と、
前記データベースに蓄積された前記オンライン情報のうち、前記処理前の水質に関する前記オンライン情報と、前記時系列予測モデルとに基づいて、前記処理前の水質に関する前記オンライン情報を予測する時系列予測部とをさらに備える、請求項1乃至7のうち何れか一項に記載の水質推定装置。
Among the online information and the offline information, a time series prediction model storage unit for storing the online information regarding the water quality before the treatment and the time series prediction model for predicting the offline information, and a time series prediction model storage unit.
Among the online information stored in the database, a time-series prediction unit that predicts the online information regarding the water quality before the treatment based on the online information regarding the water quality before the treatment and the time-series prediction model. The water quality estimation device according to any one of claims 1 to 7, further comprising.
前記時系列予測部は、前記時系列予測部によって予測された前記オンライン情報を、時間に関連付けて前記データベースに蓄積させる、請求項8に記載の水質推定装置。 The water quality estimation device according to claim 8, wherein the time-series prediction unit stores the online information predicted by the time-series prediction unit in the database in association with time. 前記時系列予測部はさらに、前記データベースに蓄積された前記オフライン情報のうち、前記処理前の水質に関する前記オフライン情報と、前記時系列予測モデルとに基づいて、前記処理前の水質に関する前記オフライン情報を予測する、請求項8または9に記載の水質推定装置。 The time-series prediction unit further includes the offline information regarding the water quality before the treatment and the offline information regarding the water quality before the treatment based on the offline information regarding the water quality before the treatment and the time-series prediction model among the offline information stored in the database. The water quality estimation device according to claim 8 or 9. 前記時系列予測部は、前記時系列予測部によって予測された前記オフライン情報を、時間に関連付けて前記データベースに蓄積させる、請求項10に記載の水質推定装置。 The water quality estimation device according to claim 10, wherein the time-series prediction unit stores the offline information predicted by the time-series prediction unit in the database in association with time. 前記オフライン情報推定モデル、前記処理水質予測モデル、および前記時系列予測モデルがそれぞれ複数存在する場合、前記水処理プラントの現在の状況に基づいて、それぞれ複数存在する前記オフライン情報推定モデル、前記処理水質予測モデル、および前記時系列予測モデルの中から、前記オフライン情報推定モデル、前記処理水質予測モデル、および前記時系列予測モデルをそれぞれ1つ決定するモデル決定部をさらに備える、請求項8乃至11のうち何れか一項に記載の水質推定装置。 When there are a plurality of the offline information estimation model, the treated water quality prediction model, and the time series prediction model, the offline information estimation model and the treated water quality, each of which exists based on the current situation of the water treatment plant. Claims 8 to 11 further include a model determination unit that determines one each of the offline information estimation model, the treated water quality prediction model, and the time series prediction model from the prediction model and the time series prediction model. The water quality estimation device according to any one of the items. 過去に予測された前記オンライン情報と、対応する計測された前記オンライン情報とを比較し、比較結果に応じて、前記オフライン情報推定モデル、前記処理水質予測モデル、および前記時系列予測モデルに用いられている計算式におけるパラメータ値を調整するモデル更新部をさらに備える、請求項8乃至12のうち何れか一項に記載の水質推定装置。 The online information predicted in the past is compared with the corresponding measured online information, and the offline information estimation model, the treated water quality prediction model, and the time series prediction model are used according to the comparison result. The water quality estimation device according to any one of claims 8 to 12, further comprising a model update unit for adjusting a parameter value in the calculation formula. 水処理プラントにおける水質に関してセンサによって計測されるオンライン情報と、前記水質と異なる他の水質に関してセンサによって計測されていないオフライン情報とを、時間に関連付けてデータベースに蓄積する工程と、
前記オンライン情報に基づいて、前記オフライン情報を推定するオフライン情報推定モデル、前記水処理プラントによる処理前の水質に基づいて、前記水処理プラントによる処理後の水質を予測する処理水質予測モデル、および、前記データベースに蓄積された前記オンライン情報に基づいて、前記オフライン情報を推定する工程とを含む、水質推定方法。
A process of accumulating online information measured by a sensor regarding water quality in a water treatment plant and offline information not measured by a sensor regarding other water qualities different from the above water quality in a database in relation to time.
An offline information estimation model that estimates the offline information based on the online information, a treated water quality prediction model that predicts the water quality after treatment by the water treatment plant based on the water quality before treatment by the water treatment plant, and a treated water quality prediction model that predicts the water quality after treatment by the water treatment plant. A water quality estimation method including a step of estimating the offline information based on the online information stored in the database.
水処理プラントにおける水質に関してセンサによって計測されるオンライン情報と、前記水質と異なる他の水質に関してセンサによって計測されていないオフライン情報とを、時間に関連付けてデータベースに蓄積する機能、
前記オンライン情報に基づいて、前記オフライン情報を推定するオフライン情報推定モデル、前記水処理プラントによる処理前の水質に基づいて、前記水処理プラントによる処理後の水質を予測する処理水質予測モデル、および、前記データベースに蓄積された前記オンライン情報に基づいて、前記オフライン情報を推定する機能を、プロセッサに実現させるためのプログラム。
A function to store online information measured by a sensor regarding water quality in a water treatment plant and offline information not measured by a sensor regarding other water qualities different from the water quality in a database in relation to time.
An offline information estimation model that estimates the offline information based on the online information, a treated water quality prediction model that predicts the water quality after treatment by the water treatment plant based on the water quality before treatment by the water treatment plant, and a treated water quality prediction model that predicts the water quality after treatment by the water treatment plant. A program for allowing a processor to realize a function of estimating the offline information based on the online information stored in the database.
JP2019214558A 2019-11-27 2019-11-27 Water quality estimation devices, methods, and programs Active JP7451154B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2019214558A JP7451154B2 (en) 2019-11-27 2019-11-27 Water quality estimation devices, methods, and programs

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019214558A JP7451154B2 (en) 2019-11-27 2019-11-27 Water quality estimation devices, methods, and programs

Publications (2)

Publication Number Publication Date
JP2021086375A true JP2021086375A (en) 2021-06-03
JP7451154B2 JP7451154B2 (en) 2024-03-18

Family

ID=76087736

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019214558A Active JP7451154B2 (en) 2019-11-27 2019-11-27 Water quality estimation devices, methods, and programs

Country Status (1)

Country Link
JP (1) JP7451154B2 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115219683A (en) * 2022-07-29 2022-10-21 中国地质科学院岩溶地质研究所 Water environment quality early warning system and construction method thereof

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002373002A (en) * 2001-06-14 2002-12-26 Toshiba Corp Device and method for process simulater application and control
JP2014124569A (en) * 2012-12-26 2014-07-07 Hitachi Ltd Apparatus for water quality prediction, and method for water quality prediction
JP2019010615A (en) * 2017-06-30 2019-01-24 横河電機株式会社 Operation support device in water treatment facility
JP2019027212A (en) * 2017-08-02 2019-02-21 株式会社日立製作所 Maintenance management support device for water service and maintenance management support system for water service

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002373002A (en) * 2001-06-14 2002-12-26 Toshiba Corp Device and method for process simulater application and control
JP2014124569A (en) * 2012-12-26 2014-07-07 Hitachi Ltd Apparatus for water quality prediction, and method for water quality prediction
JP2019010615A (en) * 2017-06-30 2019-01-24 横河電機株式会社 Operation support device in water treatment facility
JP2019027212A (en) * 2017-08-02 2019-02-21 株式会社日立製作所 Maintenance management support device for water service and maintenance management support system for water service

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115219683A (en) * 2022-07-29 2022-10-21 中国地质科学院岩溶地质研究所 Water environment quality early warning system and construction method thereof

Also Published As

Publication number Publication date
JP7451154B2 (en) 2024-03-18

Similar Documents

Publication Publication Date Title
JP7461440B2 (en) COMPUTER SYSTEM AND METHOD FOR PERFORMING ROOT CAUSE ANALYSIS AND BUILDING PREDICTION MODELS FOR THE OCCURRENCE OF RARE EVENTS IN PLANT-WIDE OPERATIONS - Patent application
US11574192B2 (en) Controller training based on historical data
US10521490B2 (en) Equipment maintenance management system and equipment maintenance management method
JP6928119B2 (en) Computer systems and methods for building and deploying predictive inference models online
CN103703425B (en) The method for monitoring industrial process
Mirzaee et al. Fault diagnosis and accommodation of nonlinear systems based on multiple-model adaptive unscented Kalman filter and switched MPC and H-infinity loop-shaping controller
WO2016181593A1 (en) Water-leak state estimation system, method, and recording medium
KR102225370B1 (en) Prediction system based on parameter improvement through learning and method thereof
CA2762484A1 (en) Apparatus and method for model quality estimation and model adaptation in multivariable process control
JP6985833B2 (en) Data processing equipment, control systems, data processing methods and programs
US11698322B2 (en) System for estimating water flows at the boundaries of a sub-network of a water distribution network
JP6834295B2 (en) State predictor
Xu et al. ORION: Online Regularized multI-task regressiON and its application to ensemble forecasting
TW201126289A (en) Method and apparatus for monitoring a process and/or a technical installation
JP7451154B2 (en) Water quality estimation devices, methods, and programs
EP3719590A1 (en) Plant operation support system and plant operation support method
JP2008217055A (en) Power control method of multihop wireless system and power control system thereof
JP5077831B2 (en) Plant control system and plant control method
KR101967524B1 (en) Apparatus and method for authenticating time-varying signal in online via kernel regression model
JP2016073154A (en) Power prediction device, power prediction method, and program
US20170023950A1 (en) Diagnostic Device and Method for Monitoring the Operation of a Control Loop
JP2016211877A (en) Flow-in amount of wastewater measuring device
US10705874B2 (en) Method and apparatus for determination of slot-duration in time-triggered control system
EP1696288A1 (en) Adaptive sensor model
JP2020201609A5 (en) Water demand forecasting system and its method

Legal Events

Date Code Title Description
A80 Written request to apply exceptions to lack of novelty of invention

Free format text: JAPANESE INTERMEDIATE CODE: A80

Effective date: 20191213

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220817

RD01 Notification of change of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7421

Effective date: 20230105

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230628

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230704

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230831

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20231107

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20231228

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: 20240206

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240306

R150 Certificate of patent or registration of utility model

Ref document number: 7451154

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150