JP2021098175A - モデル生成装置、推定装置、モデル生成方法および推定方法 - Google Patents
モデル生成装置、推定装置、モデル生成方法および推定方法 Download PDFInfo
- Publication number
- JP2021098175A JP2021098175A JP2019231969A JP2019231969A JP2021098175A JP 2021098175 A JP2021098175 A JP 2021098175A JP 2019231969 A JP2019231969 A JP 2019231969A JP 2019231969 A JP2019231969 A JP 2019231969A JP 2021098175 A JP2021098175 A JP 2021098175A
- Authority
- JP
- Japan
- Prior art keywords
- inflow water
- injection rate
- coagulant
- sludge
- cost
- 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
- 238000000034 method Methods 0.000 title claims description 39
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 382
- 238000002347 injection Methods 0.000 claims abstract description 328
- 239000007924 injection Substances 0.000 claims abstract description 328
- 238000011282 treatment Methods 0.000 claims abstract description 230
- 239000010802 sludge Substances 0.000 claims abstract description 164
- 239000000701 coagulant Substances 0.000 claims abstract description 122
- 238000001914 filtration Methods 0.000 claims abstract description 105
- 230000015271 coagulation Effects 0.000 claims abstract description 11
- 238000005345 coagulation Methods 0.000 claims abstract description 11
- 238000000746 purification Methods 0.000 claims description 63
- 238000011001 backwashing Methods 0.000 claims description 31
- 238000004062 sedimentation Methods 0.000 claims description 26
- 238000010801 machine learning Methods 0.000 claims description 13
- 239000003795 chemical substances by application Substances 0.000 claims description 4
- 239000008213 purified water Substances 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 abstract description 3
- 238000004220 aggregation Methods 0.000 abstract description 3
- 230000001112 coagulating effect Effects 0.000 abstract description 3
- 238000004140 cleaning Methods 0.000 abstract 1
- 239000000243 solution Substances 0.000 abstract 1
- 239000003814 drug Substances 0.000 description 110
- 229940079593 drug Drugs 0.000 description 110
- 239000000126 substance Substances 0.000 description 53
- 238000001556 precipitation Methods 0.000 description 34
- 238000012545 processing Methods 0.000 description 11
- 239000007787 solid Substances 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000007423 decrease Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000005611 electricity Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012417 linear regression Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- HEMHJVSKTPXQMS-UHFFFAOYSA-M Sodium hydroxide Chemical compound [OH-].[Na+] HEMHJVSKTPXQMS-UHFFFAOYSA-M 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 241000223935 Cryptosporidium Species 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000035622 drinking Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 238000010238 partial least squares regression Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 239000005708 Sodium hypochlorite Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005374 membrane filtration Methods 0.000 description 1
- 230000001376 precipitating effect Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 238000009287 sand filtration Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 235000011121 sodium hydroxide Nutrition 0.000 description 1
- SUKJFIGYRHOWBL-UHFFFAOYSA-N sodium hypochlorite Chemical compound [Na+].Cl[O-] SUKJFIGYRHOWBL-UHFFFAOYSA-N 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
図1は、本実施形態に係る薬注率推定システム100の概要の一例を示す図である。薬注率推定システム100は、浄水場へ流入する水(流入水、以下、「原水」と称する)へ注入する凝集剤の注入率である薬注率を、凝集剤を注入する前の原水の濁度(以下、「注入前濁度」と称する)に応じて推定する。当該薬注率は、具体的には、凝集剤の消費コスト、凝集剤の注入によって生成される汚泥の処理にかかるコストおよび逆洗を含むろ過処理にかかるコストとの合計値(以下、「コスト合計値」と称する)が最小となる薬注率である。ここで、凝集剤とは、原水に含まれる浮遊物質を凝集させ沈澱させるための薬剤である。また、薬注率は、原水に注入する凝集剤の、原水に対する割合である。薬注率は、従来、ジャーテストの結果、過去の知見、所定の計算式などを用いて決定されている。なお、本開示に係る凝集剤の注入は、凝集沈澱急速ろ過方式における凝集剤の注入であってもよいし、膜ろ過方式の前処理としての凝集剤の注入であってもよい。
薬注率推定システム100は、注入前濁度に応じた、コスト合計値が最小となる薬注率の推定を実現するために、注入前濁度を説明変数とし、コスト合計値が最小となる薬注率を目的変数とした回帰モデルを生成する。薬注率推定システム100は、注入前濁度、薬注率、消費コスト、汚泥処理コストおよびろ過処理コストを含むデータセットD1の集合、すなわち、複数のデータセットD1の入力を受け付ける(図1のa1)。データセットD1は、過去に浄水場に流入した原水の注入前濁度、当該原水に対して実際に注入された凝集剤の薬注率、当該薬注率で注入された凝集剤の消費コスト、当該凝集剤の注入により発生した汚泥の汚泥処理コストおよび汚泥除去後の当該原水のろ過処理の際の逆洗にかかるろ過処理コストを含む。
回帰モデルを生成した薬注率推定システム100は、浄水場に現在流入している原水(現流入水、以下、「現原水」と称する場合がある)の注入前濁度D2の入力を受け付ける(図1のa2)。そして、薬注率推定システム100は、入力された注入前濁度D2と回帰モデルとを用いて、薬注率D3を推定する(図1のa3)。
図2は、薬注率推定システム100の要部構成の一例を示すブロック図である。薬注率推定システム100は、モデル生成装置1、推定装置2、入力装置3、出力装置4および記憶装置5を含んでいる。
モデル生成装置1は、原水に対して注入する凝集剤の薬注率を推定するための回帰モデルを生成する。モデル生成装置1は、制御部10を備えている。制御部10は、モデル生成装置1の各部を統括して制御する。制御部10は、一例として、プロセッサおよびメモリにより実現される。この例において、プロセッサは、ストレージ(不図示)にアクセスし、ストレージに格納されているプログラム(不図示)をメモリにロードし、当該プログラムに含まれる一連の命令を実行する。これにより、制御部10に含まれている各部が構成される。
図3は、回帰モデルの一例を示す図である。図3では、一例として、注入前濁度がP1、P2、P3である3つのグループの各々に対応する中間回帰モデルS1、S2、S3を示している。注入前濁度P1、P2、P3は、上述したとおり1つの値であってもよいし、数値範囲であってもよい。
推定装置2は、モデル生成装置1が生成した回帰モデルを用いて、現原水に対して注入する凝集剤の薬注率を推定する。推定装置2は、制御部20を備えている。制御部20は、推定装置2の各部を統括して制御する。制御部20は、一例として、プロセッサおよびメモリにより実現される。この例において、プロセッサは、ストレージ(不図示)にアクセスし、ストレージに格納されているプログラム(不図示)をメモリにロードし、当該プログラムに含まれる一連の命令を実行する。これにより、制御部20に含まれている各部が構成される。
図4は、モデル生成装置1が実行する回帰モデル生成処理の流れの一例を示すフローチャートである。
制御部10は、定期的に回帰モデル51の更新(自動更新)を行うことが好ましい。この例において、データセットはモデル生成装置1のストレージまたは記憶装置5に記憶されており、データセット取得部101は、当該ストレージまたは記憶装置5からデータセットの集合を取得する。
図6は、推定装置2が実行する薬注率推定処理の流れの一例を示すフローチャートである。
以上のように、本実施形態に係るモデル生成装置1は、原水の注入前濁度と、当該原水に対して実際に注入された凝集剤の薬注率と、当該薬注率で注入された凝集剤の消費コストと、当該凝集剤を注入したことにより発生した汚泥の汚泥処理コストと、汚泥除去後の当該原水をろ過処理する際の逆洗処理にかかるろ過処理コストとを含むデータセットの集合を、注入前濁度に基づいて複数のグループに分類する。そして、モデル生成装置1は、当該グループ毎にコスト合計値が最小となる薬注率を特定する。そして、モデル生成装置1は、当該グループ毎の、注入前濁度の代表値と、特定された薬注率とを含むデータセットの集合から、当該代表値を説明変数とし、特定された薬注率を目的変数とする回帰モデル51を生成する。
本発明の他の実施形態について、以下に説明する。なお、説明の便宜上、上記実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。
図7は、本実施形態に係る薬注率推定システム200の概要の一例を示す図である。薬注率推定システム200は、原水に対する凝集剤の薬注率、具体的には、コスト合計値が最小となる薬注率を、凝集剤を注入する前の原水の水質に応じて推定する。
薬注率推定システム200は、原水の水質に応じた、コスト合計値が最小となる薬注率の推定を実現するために、原水の水質データを入力とし、薬注率とコスト合計値との対応関係を出力する学習モデルを生成する。薬注率推定システム200は、原水の水質データ、薬注率、消費コスト、汚泥処理コストおよびろ過処理コストを含む複数のデータセットD11の入力を受け付ける(図7のa11)。データセットD11は、過去に浄水場に流入した原水の水質データと、当該原水に対して実際に注入された凝集剤の薬注率、当該薬注率で注入された凝集剤の消費コスト、当該凝集剤の注入により生成された汚泥の汚泥処理コストおよび汚泥除去後の当該原水のろ過処理の際の逆洗にかかるろ過処理コストを含む。なお、水質データとは、注入前濁度を含むデータである。ただし、水質データに含まれるデータは、注入前濁度に限定されない。水質データは、例えば図1に示すように、pH、水温などを含んでもよい。
学習モデルを生成した薬注率推定システム200は、現原水の水質データD12の入力を受け付ける(図7のa12)。そして、薬注率推定システム200は、入力された水質データD12と学習モデルとを用いて、薬注率とコスト合計値との対応関係を推定する(図7のb12)。
図8は、薬注率推定システム200の要部構成の一例を示すブロック図である。以下、薬注率推定システム200の各部材のうち、薬注率推定システム100に同名の部材がある部材については、当該同名の部材との相違点のみを説明する。
モデル生成装置11の制御部110は、データセット取得部111および学習モデル生成部112(モデル生成部)を含んでいる。
推定装置12の制御部210は、対応関係推定部211(推定部)および薬注率特定部212を含んでいる。
図9は、モデル生成装置11が実行する学習モデル生成処理の流れの一例を示すフローチャートである。
制御部110は、定期的に学習モデル510の更新(自動更新)を行うことが好ましい。この例において、データセットはモデル生成装置11のストレージまたは記憶装置15に記憶されており、データセット取得部111は、当該ストレージまたは記憶装置15からデータセットの集合を取得する。
図10は、推定装置12が実行する推定処理の流れの一例を示すフローチャートである。
以上のように、本実施形態に係るモデル生成装置11は、原水の注入前濁度を含む水質データと、当該原水に対して実際に注入された凝集剤の薬注率と、当該現水へ注入した凝集剤の消費コストと、当該凝集剤を注入したことにより発生した汚泥の汚泥処理コストと、汚泥除去後の当該原水をろ過処理する際の逆洗処理にかかるろ過処理コストとを教師データとして機械学習を行う。そして、モデル生成装置11は、水質データを入力として、薬注率とコスト合計値との対応関係を出力する学習モデル510を生成する。
推定装置2および12は、推定した薬注率に基づき、現原水の浄水処理にかかる消費コスト、汚泥処理コストおよびろ過処理コストを算出し、出力装置4に出力させてもよい。この例において、推定装置2および12は、消費コスト算出に必要なデータ(例えば、使用する凝集剤の単価、凝集剤を注入する原水の量など)を取得し、当該データと推定した薬注率とに基づき消費コストを算出する。また、推定装置2および12は、推定した薬注率から汚泥処理コストを算出する。また、推定装置2および12は、推定した薬注率に対応するコスト合計値を特定し、当該コスト合計値から、算出した消費コストおよび汚泥処理コストの値を減算することで、ろ過処理コストを算出する。
モデル生成装置1および11、並びに、推定装置2および12の制御ブロック(特に制御部10および110、並びに、制御部20および210)は、集積回路(ICチップ)等に形成された論理回路(ハードウェア)によって実現してもよいし、ソフトウェアによって実現してもよい。
2、12 推定装置
51 回帰モデル
102 分類部
103 中間回帰モデル生成部(特定部、中間モデル生成部)
104 回帰モデル生成部(モデル生成部)
202 薬注率推定部(推定部)
112 学習モデル生成部(モデル生成部)
211 対応関係推定部(推定部)
510 学習モデル
Claims (10)
- 浄水場に流入する流入水へ注入する凝集剤の注入率を推定するための回帰モデルを生成するモデル生成装置であって、
凝集剤を注入する前の前記流入水の濁度と、前記流入水へ注入した凝集剤の注入率と、前記流入水へ注入した凝集剤の消費コストと、前記流入水へ凝集剤を注入することにより発生する汚泥の処理にかかる汚泥処理コストと、前記汚泥を除去した後の前記流入水をろ過処理する際の逆洗処理にかかるろ過処理コストとを含むデータセットの集合を、前記濁度に基づいて複数のグループに分類する分類部と、
前記グループ毎に、前記消費コスト、前記汚泥処理コストおよび前記ろ過処理コストの合計値が最小となる前記注入率を特定する特定部と、
前記グループ毎の、前記濁度の代表値と、前記特定された注入率とを含むデータセットの集合から、前記代表値を説明変数とし、前記特定された注入率を目的変数とする回帰モデルを生成するモデル生成部と、を備えるモデル生成装置。 - 前記特定部は、
前記グループ毎に、前記注入率と前記合計値とを変数とする回帰モデルである中間モデルを生成する中間モデル生成部を備え、
前記グループ毎に、前記生成された中間モデルを用いて、前記合計値が最小となる前記注入率を推定する、請求項1に記載のモデル生成装置。 - 前記モデル生成部は、前記流入水の沈澱池出口における濁度が所定範囲内となるデータセットのみを含む前記集合から前記回帰モデルを生成する、請求項1または2に記載のモデル生成装置。
- 浄水場に流入する流入水へ注入する凝集剤の注入率を推定する推定装置であって、
凝集剤を注入する前の前記流入水の濁度、前記流入水へ注入した凝集剤の注入率、前記流入水へ注入した凝集剤の消費コスト、前記流入水へ凝集剤を注入することにより発生する汚泥の処理にかかる汚泥処理コストおよび前記汚泥を除去した後の前記流入水をろ過処理する際の逆洗処理にかかるろ過処理コストを含むデータセットを、前記濁度に基づいて分類した複数のグループの各々における前記濁度の代表値を説明変数とし、前記消費コストと前記汚泥処理コストと前記ろ過処理コストとの合計値が最小となる前記注入率を目的変数とする回帰モデルと、前記浄水場に現在流入している流入水である現流入水の濁度とに基づき、前記現流入水へ注入する凝集剤の注入率を推定する推定部を備える推定装置。 - 浄水場に流入する流入水へ注入する凝集剤の注入率と、当該凝集剤の消費コスト、前記流入水へ凝集剤を注入することにより発生する汚泥の処理にかかる汚泥処理コストおよび前記汚泥を除去した後の前記流入水をろ過処理する際の逆洗処理にかかるろ過処理コストの合計値と、の対応関係を推定するための学習モデルを生成するモデル生成装置であって、
凝集剤を注入する前の前記流入水の濁度を含む水質データと、前記注入率と、前記消費コストと、前記汚泥処理コストと、前記ろ過処理コストとを教師データとして機械学習を行うことにより、前記水質データを入力として、前記対応関係を出力する学習モデルを生成するモデル生成部を備えるモデル生成装置。 - 浄水場に流入する流入水へ注入する凝集剤の注入率と、当該凝集剤の消費コスト、前記流入水へ凝集剤を注入することにより発生する汚泥の処理にかかる汚泥処理コストおよび前記汚泥を除去した後の前記流入水をろ過処理する際の逆洗処理にかかるろ過処理コストの合計値と、の対応関係を推定する推定装置であって、
凝集剤を注入する前の前記流入水の濁度を含む水質データと、当該流入水へ注入した凝集剤の注入率と、当該流入水へ注入した凝集剤の消費コストと、当該流入水へ凝集剤を注入することにより発生する汚泥の処理に係る汚泥処理コストと、前記汚泥を除去した後の当該流入水をろ過処理する際の逆洗処理にかかるろ過処理コストとを教師データとして機械学習を行うことにより生成された学習モデルを用いて、凝集剤を注入する前の、前記浄水場に現在流入している流入水である現流入水の濁度を含む水質データを入力として、前記対応関係を推定する推定部を備える推定装置。 - 浄水場に流入する流入水へ注入する凝集剤の注入率を推定するための回帰モデルを生成するモデル生成装置が実行するモデル生成方法であって、
凝集剤を注入する前の前記流入水の濁度と、前記流入水へ注入した凝集剤の注入率と、前記流入水へ注入した凝集剤の消費コストと、前記流入水へ凝集剤を注入することにより発生する汚泥の処理にかかる汚泥処理コストと、前記汚泥を除去した後の前記流入水をろ過処理する際の逆洗処理にかかるろ過処理コストとを含むデータセットの集合を、前記濁度に基づいて複数のグループに分類する分類ステップと、
前記グループ毎に、前記消費コスト、前記汚泥処理コストおよび前記ろ過処理コストの合計値が最小となる前記注入率を特定する特定ステップと、
前記グループ毎の、前記濁度の代表値と、前記特定された注入率とを含むデータセットの集合から、前記代表値を説明変数とし、前記特定された注入率を目的変数とする回帰モデルを生成するモデル生成ステップと、を含むモデル生成方法。 - 浄水場に流入する流入水へ注入する凝集剤の注入率を推定する推定装置が実行する推定方法であって、
凝集剤を注入する前の前記流入水の濁度、前記流入水へ注入した凝集剤の注入率、前記流入水へ注入した凝集剤の消費コスト、前記流入水へ凝集剤を注入することにより発生する汚泥の処理にかかる汚泥処理コストおよび前記汚泥を除去した後の前記流入水をろ過処理する際の逆洗処理にかかるろ過処理コストを含むデータセットを、前記濁度に基づいて分類した複数のグループの各々における前記濁度の代表値を説明変数とし、前記消費コストと前記汚泥処理コストと前記ろ過処理コストとの合計値が最小となる前記注入率を目的変数とする回帰モデルと、前記浄水場に現在流入している流入水である現流入水の濁度とに基づき、前記現流入水へ注入する凝集剤の注入率を推定する推定ステップを含む推定方法。 - 浄水場に流入する流入水へ注入する凝集剤の注入率と、当該凝集剤の消費コスト、前記流入水へ凝集剤を注入することにより発生する汚泥の処理にかかる汚泥処理コストおよび前記汚泥を除去した後の前記流入水をろ過処理する際の逆洗処理にかかるろ過処理コストの合計値と、の対応関係を推定するための学習モデルを生成するモデル生成装置が実行するモデル生成方法であって、
凝集剤を注入する前の前記流入水の濁度を含む水質データと、前記注入率と、前記消費コストと、前記汚泥処理コストと、前記ろ過処理コストとを教師データとして機械学習を行うことにより、前記水質データを入力として、前記対応関係を出力する学習モデルを生成するモデル生成ステップを含むモデル生成方法。 - 浄水場に流入する流入水へ注入する凝集剤の注入率と、当該凝集剤の消費コスト、前記流入水へ凝集剤を注入することにより発生する汚泥の処理にかかる汚泥処理コストおよび前記汚泥を除去した後の前記流入水をろ過処理する際の逆洗処理にかかるろ過処理コストの合計値と、の対応関係を推定する推定装置が実行する推定方法であって、
凝集剤を注入する前の前記流入水の濁度を含む水質データと、当該流入水へ注入した凝集剤の注入率と、当該流入水へ注入した凝集剤の消費コストと、当該流入水へ凝集剤を注入することにより発生する汚泥の処理にかかる汚泥処理コストと、前記汚泥を除去した後の当該流入水をろ過処理する際の逆洗処理にかかるろ過処理コストとを教師データとして機械学習を行うことにより生成された学習モデルを用いて、凝集剤を注入する前の、前記浄水場に現在流入している流入水である現流入水の濁度を含む水質データを入力として、前記対応関係を推定する推定ステップを含む推定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019231969A JP7303101B2 (ja) | 2019-12-23 | 2019-12-23 | モデル生成装置、推定装置、モデル生成方法および推定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019231969A JP7303101B2 (ja) | 2019-12-23 | 2019-12-23 | モデル生成装置、推定装置、モデル生成方法および推定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021098175A true JP2021098175A (ja) | 2021-07-01 |
JP7303101B2 JP7303101B2 (ja) | 2023-07-04 |
Family
ID=76541336
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019231969A Active JP7303101B2 (ja) | 2019-12-23 | 2019-12-23 | モデル生成装置、推定装置、モデル生成方法および推定方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7303101B2 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013094686A (ja) * | 2011-10-28 | 2013-05-20 | Meidensha Corp | 薬品注入制御方法及び薬品注入制御装置 |
JP2018158284A (ja) * | 2017-03-22 | 2018-10-11 | 水ing株式会社 | データベースの製造方法、及び水処理又は汚泥処理システム |
JP2019089022A (ja) * | 2017-11-14 | 2019-06-13 | 株式会社東芝 | 凝集剤注入制御装置、凝集剤注入制御方法及び凝集剤注入制御システム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6074340B2 (ja) | 2012-09-05 | 2017-02-01 | メタウォーター株式会社 | 水処理制御方法及び水処理制御装置 |
-
2019
- 2019-12-23 JP JP2019231969A patent/JP7303101B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013094686A (ja) * | 2011-10-28 | 2013-05-20 | Meidensha Corp | 薬品注入制御方法及び薬品注入制御装置 |
JP2018158284A (ja) * | 2017-03-22 | 2018-10-11 | 水ing株式会社 | データベースの製造方法、及び水処理又は汚泥処理システム |
JP2019089022A (ja) * | 2017-11-14 | 2019-06-13 | 株式会社東芝 | 凝集剤注入制御装置、凝集剤注入制御方法及び凝集剤注入制御システム |
Also Published As
Publication number | Publication date |
---|---|
JP7303101B2 (ja) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6074340B2 (ja) | 水処理制御方法及び水処理制御装置 | |
JP6422901B2 (ja) | 管理支援システム、管理支援方法及び管理支援プログラム | |
JP4492473B2 (ja) | 凝集剤注入制御装置および方法 | |
Ferrero et al. | Automatic control system for energy optimization in membrane bioreactors | |
JP2012213759A (ja) | 薬品注入制御方法及び薬品注入制御装置 | |
JP5193884B2 (ja) | 上水施設の監視制御システム | |
JP2000218263A (ja) | 水質制御方法及びその装置 | |
KR100331708B1 (ko) | 상수처리 시스템의 응집제 주입율 자동 연산 장치 및 방법 | |
US20230257283A1 (en) | Process, system, and computer readable storage medium for determining optimal coagulant dosage | |
Klanderman et al. | Case studies in real-time fault isolation in a decentralized wastewater treatment facility | |
JP2021098175A (ja) | モデル生成装置、推定装置、モデル生成方法および推定方法 | |
JP2003200175A (ja) | 凝集剤注入制御方法及び凝集剤注入制御システム | |
JP6103231B2 (ja) | 下水汚泥の脱水方法及び脱水システム | |
JP2021098191A (ja) | モデル生成装置、推定装置、モデル生成方法および推定方法 | |
JP2009000580A (ja) | 膜ろ過処理装置の運転支援装置 | |
JP7471209B2 (ja) | 情報処理装置、予測方法、水処理システム、および予測プログラム | |
Bhattacharjee et al. | A type-2 fuzzy logic approach for forecasting of effluent quality parameters of wastewater treatment | |
JP2011060135A (ja) | プラント運用のノウハウ自動抽出システム | |
WO2013136503A1 (ja) | 水処理プラント運用システム及び送水量計画方法 | |
CN205011532U (zh) | 带钢废水的零排放式再处理系统 | |
CN112062325B (zh) | 一种化学除盐水处理系统的单位运行成本统计方法及装置 | |
JP4309645B2 (ja) | 凝集剤注入制御方法及び装置 | |
JP6466213B2 (ja) | 塩素注入率設定方法、塩素注入率設定装置、および塩素注入率設定システム | |
JP2023059534A (ja) | 薬品注入支援システム、薬品注入支援方法、及びプログラム | |
JP2024047111A (ja) | 注入率制御システム、注入率制御方法、注入率制御プログラム、学習プログラム及び水処理システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220623 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230222 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230307 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230412 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230509 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230524 |
|
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: 20230613 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230622 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7303101 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |