JP2021137749A - 水処理施設の運転操作量説明変数選定装置 - Google Patents

Abstract

【課題】時系列で変化する系の説明変数を選定する技術を提供する。【解決手段】トレンドデータ及び水質データから、遺伝的アルゴリズムによって説明変数を生成し、生成された説明変数の組み合わせのデータを取得する説明変数選定及び説明変数データ取得部（１０２）と、トレンドデータ及び水質データから、推定モデルの作成に必要な運転操作量設定値のデータを取得する運転操作量データ取得部（１０３）と、説明変数のデータと、運転操作量のデータと、を用いて推定モデルを作成する推定モデル作成部（１０４）と、説明変数の組み合わせのデータと、推定モデルのパラメータと、を用いて、所定期間の運転操作量推定値を出力する運転操作量推定部（１０６）と、運転操作量設定値と、運転操作量推定値と、を用いて、推定精度を計算する推定精度計算部（１０７）と、を備える水処理施設の運転操作量説明変数選定装置（１００）とする。【選択図】図２

Description

本発明は、水処理施設の運転操作量説明変数選定装置に関する。

従来、水処理施設における水質の制御は、水処理施設の様々な状況を考慮して熟練の技術を有する運転員の操作により行われており、運転員の高齢化及び当該技術の習熟に長期間を要することから、人工知能を用いた自動化の要請がある。
人工知能を用いた水質制御の自動化に際しては、水処理施設における運転操作値の予測モデルを構築し、当該予測モデルにおける説明変数の選定を要する。

従来技術の一例である特許文献１には、分析値と相関の大きい運転変数を主成分分析により選定し、選定された運転変数のうち、少なくとも１以上の運転変数と分析値との関係をニューラルネットワークで置き換え、置き換えられた運転変数以外の運転変数から、ニューラルネットワークの出力として与えられる推定値と、実測による分析値との推定誤差が最小となる運転変数の組み合わせを、遺伝的アルゴリズムに基づいて探索することにより、分析値を推定する技術が開示されている。

特開２００１−２７３４７４号公報

しかしながら、上記の従来技術では、推定値と実測による分析値とは一対一であり、時系列による変化が考慮されておらず、水処理施設のように時系列で変化する系への適用が困難である、という問題があった。

本発明は、上記に鑑みてなされたものであって、時系列で変化する系の説明変数を選定する技術を提供することを目的とする。

上述の課題を解決して目的を達成する本発明は、トレンドデータ及び水質データを蓄積するデータ蓄積部と、前記データ蓄積部に蓄積されたトレンドデータ及び水質データから、遺伝的アルゴリズムによって説明変数を生成し、生成された説明変数の組み合わせのデータを取得する説明変数選定及び説明変数データ取得部と、前記データ蓄積部に蓄積されたトレンドデータ及び水質データから、推定モデルの作成に必要な運転操作量設定値のデータを取得する運転操作量データ取得部と、前記説明変数データ取得部が取得した説明変数のデータと、前記運転操作量データ取得部が取得した運転操作量のデータと、を用いて推定モデルを作成する推定モデル作成部と、前記推定モデル作成部に作成された推定モデルのパラメータを記憶する推定モデルパラメータ記憶部と、前記説明変数データ取得部によって生成された説明変数の組み合わせのデータと、前記推定モデルパラメータ記憶部に記憶された推定モデルのパラメータと、を用いて、所定期間の運転操作量推定値を出力する運転操作量推定部と、前記運転操作量設定値と前記運転操作量推定値との誤差に応じた前記運転操作量推定値の精度である推定精度を計算する推定精度計算部と、を備える水処理施設の運転操作量説明変数選定装置である。

上記構成の本発明に係る水処理施設の運転操作量説明変数選定装置において、前記所定期間の運転操作量推定値の時間変化のタイミングを実際の運転操作量の時間変化のタイミングに基づいて調整するアラインメント適用部を更に備えることが好ましい。

上記構成の本発明に係る水処理施設の運転操作量説明変数選定装置において、前記推定精度計算部は、時間に伴って増加していき、現時点に近いほど大きな値となる時間変化係数を前記誤差に乗算して前記推定精度を計算することが好ましい。

本発明によれば、時系列で変化する系の説明変数を選定することができる。

図１は、実施形態１に係る水処理施設の運転操作量説明変数選定装置を適用可能な水処理施設の構成を示す図である。 図２は、実施形態１に係る水処理施設の運転操作量説明変数選定装置の構成を示すブロック図である。 図３は、図２に示す説明変数データ取得部において用いられる、遺伝的アルゴリズムによる説明変数データの取得処理手順を示すフローチャートである。 図４は、図２に示す説明変数データ取得部における遺伝的アルゴリズムによる説明変数の選択方法の説明図である。 図５は、実施形態２に係る水処理施設の運転操作量説明変数選定装置の構成を示すブロック図である。 図６は、実施形態２において、横軸を時間ｔとし、縦軸を運転操作値とした運転操作値の時間変化を示す図である。 図７は、実施形態３に係る水処理施設の運転操作量説明変数選定装置の構成を示すブロック図である。

以下、添付図面を参照して、本発明を実施するための形態について説明する。
ただし、本発明は、以下の実施形態の記載によって限定解釈されるものではない。

（実施形態１）
図１は、本実施形態に係る水処理施設の運転操作量説明変数選定装置１００を適用可能な水処理施設２００の構成を示す図である。
図１に示す水処理施設２００は、最初沈殿池１と、反応槽２と、最終沈殿池３と、送風機４と、風量調整バルブ５と、散気装置６と、第１のポンプ７と、第２のポンプ８と、計測器９と、重力濃縮槽１０と、機械濃縮槽１１と、消化槽１２と、脱水槽１３と、配管２１，２２，２３，２４とを備える。

最初沈殿池１は、原水が導入される沈殿池である。
この原水は、有機物を含む排水である。
最初沈殿池１では、原水の固液分離が行われ、最初沈殿池１からの流出水は、配管２１を通して反応槽２に送られる。
最初沈殿池１に沈殿した汚泥である生汚泥は、配管２４を通して重力濃縮槽１０に送られる。

反応槽２は、微生物を含み、該微生物によって最初沈殿池１からの流出水を浄化する槽である。
反応槽２では、該微生物が最初沈殿池１からの流出水に含まれる有機物を資化することで増殖し、該微生物を用いた生物処理により活性汚泥が形成される。
反応槽２からの流出水は、配管２２を通して最終沈殿池３に送られる。

最終沈殿池３は、反応槽２からの流出水に含まれる活性汚泥を沈殿させる沈殿池である。
最終沈殿池３の上澄みは、処理水として水処理施設２００の外へ放出される。
最終沈殿池３で沈殿した汚泥の一部は、第１のポンプ７によって配管２３を通して反応槽２に戻されて再利用される。
最終沈殿池３で沈殿した残りの汚泥は、余剰汚泥として第２のポンプ８によって機械濃縮槽１１に送られる。

送風機４は、複数の散気装置６に空気を供給する。
風量調整バルブ５は、複数の散気装置６の各々に通した配管に設けられており、開閉により送風量を調整する。
複数の散気装置６は、反応槽２の下部に設けられており、風量調整バルブ５に通された配管に接続されて、風量調整バルブ５によって送風量が調整された空気を反応槽２内に供給する。
このように反応槽２への送風量が調整されると、反応槽２内の溶存酸素量であるＤＯ（Dissolved Oxygen）値が調整され、生物処理の進行が調整される。

第１のポンプ７は、最終沈殿池３で沈殿した汚泥の一部を、配管２３を通して反応槽２に送る返送汚泥ポンプである。
第２のポンプ８は、最終沈殿池３で沈殿した残りの汚泥を余剰汚泥として機械濃縮槽１１に送る余剰汚泥引抜ポンプである。

計測器９は、反応槽２の水質を示す各パラメータを計測する計測器であり、計測したパラメータである計測値データは運転操作量説明変数選定装置１００に送られる。
ここで、水質を示す各パラメータとしては、溶存酸素量であるＤＯ値及び浮遊物質濃度であるＭＬＳＳ（Mixed Liquor Suspended Solids）値を例示することができる。
水処理施設２００の運転員は、計測器９によって計測された水質を示す各パラメータを参照することで制御対象の操作量を決定している。
ここで、制御対象の操作量としては、水処理施設２００の最終沈殿池３からの返送汚泥量を調整する第１のポンプ７の回転数、水処理施設２００の最終沈殿池３の余剰汚泥引抜量を調整する第２のポンプ８の単位時間あたりの引抜量又は余剰汚泥の引抜時間、水処理施設２００の脱水槽１３への高分子凝集剤の注入率を例示することができる。

重力濃縮槽１０は、最初沈殿池１に沈殿した生汚泥を濃縮処理する槽である。
機械濃縮槽１１は、第２のポンプ８によって最終沈殿池３から引き抜かれた余剰汚泥を濃縮処理する槽である。
重力濃縮槽１０及び機械濃縮槽１１において濃縮された汚泥は、消化槽１２に送られる。

消化槽１２は、濃縮された汚泥の消化処理を行う槽である。
ここで、消化処理は、例えば嫌気性消化処理方式によって行われるとよい。
嫌気性消化処理方式では、嫌気性微生物によって有機性の汚泥が分解される。
消化処理によって分解された汚泥は、脱水槽１３に送られる。

脱水槽１３は、消化処理によって分解された汚泥を脱水することで、汚泥の含水率を低下させて減容化を行う槽である。

配管２１は、最初沈殿池１と反応槽２との間に配置され、最初沈殿池１からの流出水を反応槽２に送る配管である。
配管２２は、反応槽２と最終沈殿池３との間に配置され、反応槽２からの流出水を最終沈殿池３に送る配管である。
配管２３は、第１のポンプ７と反応槽２との間に配置され、最終沈殿池３の汚泥の一部を反応槽２に送る配管である。
配管２４は、最初沈殿池１と重力濃縮槽１０との間に配置され、最初沈殿池１の生汚泥を重力濃縮槽１０に送る配管である。

図１に示す水処理施設２００において、主な操作項目は、最初沈殿池１から反応槽２への水量である流入量、反応槽２内に供給される空気量である送風量、第１のポンプ７によって反応槽２に返送される汚泥の量である返送汚泥量、及び第２のポンプ８によって最終沈殿池３から引き抜かれる汚泥の量である余剰汚泥引抜量である。
これらの操作項目の各々は、処理場によって設定が異なる。

反応槽２の制御は、例えば、送風量一定制御、比率一定制御及びＤＯ一定制御によって行うことが可能である。
ここで、送風量一定制御は、目標送風量値として設定された一定の送風量となるように行う制御である。
また、比率一定制御は、最初沈殿池１から反応槽２への流入量に応じた送風量となるように、すなわち流入量と送風量との比率が一定となるように行う制御である。
また、ＤＯ一定制御は、反応槽２のＤＯ値が設定された目標ＤＯ値となるように行う制御である。

また、主な操作項目は、返送汚泥量の調整では第１のポンプ７の回転数であり、余剰汚泥引抜量の調整では単位時間あたりの引抜量又は余剰汚泥の引抜時間であり、脱水処理では高分子凝集剤の注入率である。
本実施形態に係る運転操作量説明変数選定装置１００は、これらの操作項目を決める際の説明変数及び説明変数を決定するための推定精度を導出対象とする。
そして、運転員は、水処理施設の運転操作量説明変数選定装置１００によって導出された説明変数及び説明変数を決定するための推定精度により制御対象の操作量である運転操作量設定値を決定する。
このように運転操作量説明変数選定装置１００を用いて制御対象の運転操作量設定値が決定されることで、勘、経験及びノウハウを有していない者を運転員とすることが可能となる。

図２は、本実施形態に係る水処理施設の運転操作量説明変数選定装置１００の構成を示すブロック図である。
図２に示す水処理施設の運転操作量説明変数選定装置１００は、データ蓄積部１０１と、説明変数選定及び説明変数データ取得部１０２と、運転操作量データ取得部１０３と、推定モデル作成部１０４と、推定モデルパラメータ記憶部１０５と、運転操作量推定部１０６と、推定精度計算部１０７と、出力部１０８と、を備える。

データ蓄積部１０１は、計測器９により計測された計測値データを取得し、トレンドデータ及び水質データとして蓄積する。
トレンドデータとしては、流入水量、汚泥濃度、汚泥流量、送風量及び気温を例示することができる。
水質データとしては、ＮＨ_４濃度及びＮＯ_３濃度を例示することができる。
なお、データ蓄積部１０１は、半導体メモリ又は磁気ディスク等の記録媒体により実現することができる。

説明変数選定及び説明変数データ取得部１０２は、データ蓄積部１０１に蓄積されたトレンドデータ及び水質データから、遺伝的アルゴリズムによって説明変数を生成（選定）し、生成された説明変数の組み合わせのデータを取得する。
なお、説明変数選定及び説明変数データ取得部１０２は、ＭＰＵ（Micro-Processing Unit）又はＣＰＵ（Central Processing Unit）等のプロセッサと、半導体メモリ又は磁気ディスク等の記録媒体とを組み合わせて実現することができる。

運転操作量データ取得部１０３は、データ蓄積部１０１に蓄積されたトレンドデータ及び水質データから、推定モデルの作成に必要な運転操作量設定値のデータを取得する。
なお、運転操作量データ取得部１０３は、ＭＰＵ又はＣＰＵ等のプロセッサと、半導体メモリ又は磁気ディスク等の記録媒体とを組み合わせて実現することができる。

推定モデル作成部１０４は、説明変数選定及び説明変数データ取得部１０２が取得した説明変数のデータと、運転操作量データ取得部１０３が取得した運転操作量設定値のデータと、を用いて推定モデルを作成する。
ここで、推定モデルの作成手法については特に限定されるものではないが、例えばニューラルネットワーク又はランダムフォレスト等を用いることができる。
なお、推定モデル作成部１０４は、ＭＰＵ又はＣＰＵ等のプロセッサと、半導体メモリ又は磁気ディスク等の記録媒体とを組み合わせて実現することができる。

推定モデルパラメータ記憶部１０５は、推定モデル作成部１０４で作成された推定モデルのパラメータを記憶する。
なお、推定モデルパラメータ記憶部１０５は、半導体メモリ又は磁気ディスク等の記録媒体により実現することができる。

運転操作量推定部１０６は、説明変数選定及び説明変数データ取得部１０２によって取得された説明変数の組み合わせのデータと、推定モデルパラメータ記憶部１０５に記憶された推定モデルのパラメータと、を用いて、所定期間についての運転操作量推定値を出力する。
なお、運転操作量推定部１０６は、ＭＰＵ又はＣＰＵ等のプロセッサと、半導体メモリ又は磁気ディスク等の記録媒体とを組み合わせて実現することができる。

推定精度計算部１０７は、運転操作量データ取得部１０３からの運転操作量設定値と、運転操作量推定部１０６からの運転操作量推定値と、を用いて、運転操作量推定値の精度である推定精度を計算する。
ここで、推定精度は、所定期間において、例えば、運転操作量推定値と、運転員が操作した実際の運転操作量設定値との二乗平均平方根誤差（ＲＭＳＥ：Root Mean Squared Error）を計算することで評価される。
なお、推定精度計算部１０７は、ＭＰＵ又はＣＰＵ等のプロセッサと、半導体メモリ又は磁気ディスク等の記録媒体とを組み合わせて実現することができる。

出力部１０８は、説明変数選定及び説明変数データ取得部１０２からの説明変数と、推定精度計算部１０７からの推定精度と、を出力する。
出力された説明変数及び推定精度の一方又は双方は、例えば水処理施設の運転装置に対して出力され、当該運転装置の制御に寄与することになる。

図３は、図２に示す説明変数選定及び説明変数データ取得部１０２において用いられる、遺伝的アルゴリズムによる説明変数データの取得処理手順を示すフローチャートである。
説明変数選定及び説明変数データ取得部１０２は、まず、説明変数の組み合わせの初期集団を生成する（Ｓ１）。
なお、このときの世代数は１とされ、終了世代数が定められる。
次に、説明変数選定及び説明変数データ取得部１０２は、Ｓ１で生成された説明変数の組み合わせの初期集団を用いて運転操作値を推定し、適応度を算出することで推定精度の評価を行う（Ｓ２）。
次に、説明変数選定及び説明変数データ取得部１０２は、Ｓ２の評価結果に基づいて推定精度の高いものが次世代に残るように説明変数を選択する（Ｓ３）。
次に、説明変数選定及び説明変数データ取得部１０２は、交叉又は突然変異により新たな説明変数の組み合わせを生成する（Ｓ４）。
次に、説明変数選定及び説明変数データ取得部１０２は現在の世代数の判定を行い（Ｓ５）、現在の世代数が予め定められた終了世代数に達していない場合（Ｓ５：Ｎ）には、説明変数選定及び説明変数データ取得部１０２は、世代数を増やして（Ｓ６）Ｓ２に戻り、増やした世代数について適応度の評価から再度処理を行っていく。
又は、現在の世代数が予め定められた終了世代数に達している場合（Ｓ５：Ｙ）には、説明変数選定及び説明変数データ取得部１０２は、処理を終了する。
図３に示すフローチャートによれば、交叉又は突然変異により用いる説明変数を変化させているので、世代を経るにつれて、推定精度の高い説明変数が選択されることになる。

図４は、図２に示す説明変数選定及び説明変数データ取得部１０２における遺伝的アルゴリズムによる説明変数の選択方法の説明図である。
図４に示すように、説明変数の個数がＮである（Ｎは自然数）ときには、遺伝的アルゴリズムの要素をＮ個として、各要素の状態には、０又は１が入力される。
各要素の状態が０の場合には、その要素の説明変数を不使用とし、各要素の状態が１の場合には、その要素の説明変数を使用するとし、推定に使用する説明変数の組み合わせが決定される。
従って、図４に示す例では、ＮＨ_４濃度及びｐＨ値は説明変数として不使用であり、水温及びＭＬＳＳ値は説明変数として使用されることになる。

従来の水処理施設においては、運転員は、少なくとも、流入水量、汚泥濃度、汚泥流量、送風量及び気温等のトレンドデータと、ＮＨ_４濃度及びＮＯ_３濃度等の水質データと、を含む様々な項目に基づいて、最初沈殿池及び最終沈殿池における汚泥引抜量、反応槽におけるＤＯ設定値若しくは送風量又は凝集剤注入率等の運転操作設定値の決定を行っている。
このような運転操作設定値の決定は、長期にわたって構築された熟練技術者の勘、経験及びノウハウによるところが大きく、熟練の技術を有する運転員を育成するためには長い時間を要する。
他方で、このような運転員の高齢化に伴う技術の継承が急務であり、人工知能の機械学習等による代替が望まれている。

機械学習によって過去の運転を再現する場合には、これらの多種多様な項目の中から説明変数とする組み合わせを決定して、学習モデルを構築する。
また、水処理の運転操作の学習モデルは、ある時点のみに対する推定により構築するものではなく、数か月又は数年といった所定期間の推定により構築されるものである。
そのため、推定に用いる説明変数も一時点での評価ではなく、所定期間の評価に基づき、所定期間全体で精度の高い結果が導出されるべきである。
従って、推定精度は、所定期間における運転操作量設定値と運転操作量推定値との累計誤差による評価を要する。
本実施形態においては、運転操作量設定値と運転操作量推定値との累計誤差を用いて、時系列データとして評価し、説明変数が選定される。
このとき、学習モデルの構築に用いる説明変数により運転操作値の推定精度は大きく異なるため、説明変数の選定は重要である。
しかしながら、説明変数の個数をｎ（ｎは自然数）とし、説明変数の全ての組み合わせを試行すると、試行回数が２^ｎ−１となるため、説明変数の組み合わせの探索には効率化が求められる。
本実施形態にて説明したように、遺伝的アルゴリズムを用いることにより、時系列で変化する系であっても精度の高い説明変数を効率的に選定することが可能となる。

（実施形態２）
本実施形態では、実施形態１の構成に対して、アラインメント適用部１０９を追加した形態について説明する。
図５は、本実施形態に係る水処理施設の運転操作量説明変数選定装置１００ａの構成を示すブロック図である。
図５に示す水処理施設の運転操作量説明変数選定装置１００ａは、図２に示す水処理施設の運転操作量説明変数選定装置１００における運転操作量推定部１０６と推定精度計算部１０７との間にアラインメント適用部１０９が追加された構成であり、その他の構成は実施形態１と同じであるため、その説明を援用する。

運転操作量推定部１０６は、実施形態１と同様に、説明変数選定及び説明変数データ取得部１０２によって生成された説明変数の組み合わせのデータと、推定モデルパラメータ記憶部１０５に記憶された推定モデルのパラメータと、を用いて、所定期間の運転操作量推定値を出力する。
そして、推定精度計算部１０７は、実施形態１と同様に、推定した運転操作量の精度である推定精度を計算し、推定精度に基づいて説明変数を選定する。
ここで、推定精度は、所定期間において、推定した運転操作量の推定値と、運転員が操作した運転操作量との二乗平均平方根誤差（ＲＭＳＥ：Root Mean Squared Error）を計算することで評価される。
そして、推定精度が高い説明変数が選定される。

図６は、本実施形態において、横軸を時間ｔとし、縦軸を運転操作値とした運転操作値の時間変化を示す図である。
図６（Ａ）は、実際の運転操作値の時間変化の波形を示す図であり、図６（Ｂ）は、運転操作量推定値の時間変化の波形を示す図である。
図６（Ａ）に示す波形と図６（Ｂ）に示す波形とを比較すると、形状は類似しているものの、運転操作値の変化するタイミングが相異する。
推定精度計算部１０７が、図６（Ａ）に示す波形と図６（Ｂ）に示す波形との二乗平均平方根誤差（ＲＭＳＥ：Root Mean Squared Error）を計算すると、誤差が生じ、推定精度の低下を招くことになる。
しかしながら、水処理のデータは時系列であり、急激な変化は生じないため、データの時間方向の厳密な正確さは要求されない。

そこで、アラインメント適用部１０９は、運転操作量推定部１０６が推定した所定期間の運転操作量である運転操作量推定値の波形にアラインメントを適用する。
ここで、具体的には、アラインメント適用部１０９は、運転操作量推定値の波形において傾きが変化するタイミングが実際の運転操作値の波形と一致するように波形を伸縮させる。
ここで、波形の伸縮方法としては、動的時間伸縮法を例示することができる。
図６（Ｃ）は、アラインメント適用後の実際の運転操作値の時間変化の波形を示す図であり、図６（Ｄ）は、アラインメント適用後の運転操作量推定値の時間変化の波形を示す図である。
このように、アラインメント適用部１０９を用いることで、運転操作量推定値の波形が実際の運転操作量設定値の波形と類似し、且つ時間方向にずれを含む場合であっても、アラインメント後の波形の推定値を用いることで、推定精度の低下を抑えて水処理施設に対して適切な説明変数を得ることができる。

（実施形態３）
実施形態１では、所定期間における運転操作量推定値の推定精度を評価する形態について説明したが、実際の水処理施設における運転操作の自動化に際しては、直近に導入した運用方法を適用することが好ましい。
そこで、本実施形態においては、現在に近い時刻の精度を重視した形態について説明する。

図７は、本実施形態に係る水処理施設の運転操作量説明変数選定装置１００ｂの構成を示すブロック図である。
図７に示す水処理施設の運転操作量説明変数選定装置１００ｂは、実施形態１に係る水処理施設の運転操作量説明変数選定装置１００の推定精度計算部１０７に代えて推定精度計算部１０７ｂを備える点のみが異なり、その他の構成は実施形態１と同じであるため、その説明を援用する。

図７に示す推定精度計算部１０７ｂは、現時点に近い時刻の推定誤差の影響をより大きくするために、推定精度の計算に際して、時間に伴って増加していき、現時点に近いほど大きな値となる時間変化係数ａ_ｔを用いる。
ここで、時間変化係数ａ_ｔは、時間ｔ及び推定対象のデータ数Ｔを用いた下記の式（１）により定義することができる。

そして、下記の式（２）に示すように、現時点に近い時刻の推定誤差の影響をより大きくするために、誤差に時間変化係数ａ_ｔを乗算する。
ここで、ｙ_ｔは実際の運転操作量を表し、ハットを付したｙ_ｔは運転操作量推定値を表す。

上記の式（２）を用いることにより、推定精度に現在の運用方法を強く反映させることが可能になる。

本実施形態によれば、現在の運用方法の影響を強く反映した説明変数を得ることが可能になる。

なお、本実施形態の構成と実施形態２の構成とを組み合わせてもよい。

また、本発明は、上述の実施形態に限定されるものではなく、上述の構成に対して、構成要素の付加、削除又は転換を行った様々な変形例も含むものとする。

１ 最初沈殿池
２ 反応槽
３ 最終沈殿池
４ 送風機
５ 調整バルブ
６ 散気装置
７ 第１のポンプ
８ 第２のポンプ
９ 計測器
１０ 重力濃縮槽
１１ 機械濃縮槽
１２ 消化槽
１３ 脱水槽
２１，２２，２３，２４ 配管
１００，１００ａ，１００ｂ 水処理施設の運転操作量説明変数選定装置
１０１ データ蓄積部
１０２ 説明変数選定及び説明変数データ取得部
１０３ 運転操作量データ取得部
１０４ 推定モデル作成部
１０５ 推定モデルパラメータ記憶部
１０６ 運転操作量推定部
１０７，１０７ｂ 推定精度計算部
１０８ 出力部
１０９ アラインメント適用部
２００ 水処理施設

Claims (3)

1. トレンドデータ及び水質データを蓄積するデータ蓄積部と、
   前記データ蓄積部に蓄積されたトレンドデータ及び水質データから、遺伝的アルゴリズムによって説明変数を生成し、生成された説明変数の組み合わせのデータを取得する説明変数選定及び説明変数データ取得部と、
   前記データ蓄積部に蓄積されたトレンドデータ及び水質データから、推定モデルの作成に必要な運転操作量設定値のデータを取得する運転操作量データ取得部と、
   前記説明変数データ取得部が取得した説明変数のデータと、前記運転操作量データ取得部が取得した運転操作量のデータと、を用いて推定モデルを作成する推定モデル作成部と、
   前記推定モデル作成部に作成された推定モデルのパラメータを記憶する推定モデルパラメータ記憶部と、
   前記説明変数データ取得部によって生成された説明変数の組み合わせのデータと、前記推定モデルパラメータ記憶部に記憶された推定モデルのパラメータと、を用いて、所定期間の運転操作量推定値を出力する運転操作量推定部と、
   前記運転操作量設定値と前記運転操作量推定値との誤差に応じた前記運転操作量推定値の精度である推定精度を計算する推定精度計算部と、を備える水処理施設の運転操作量説明変数選定装置。
2. 前記所定期間の運転操作量推定値の時間変化のタイミングを実際の運転操作量の時間変化のタイミングに基づいて調整するアラインメント適用部を更に備えることを特徴とする請求項１に記載の水処理施設の運転操作量説明変数選定装置。
3. 前記推定精度計算部は、時間に伴って増加していき、現時点に近いほど大きな値となる時間変化係数を前記誤差に乗算して前記推定精度を計算することを特徴とする請求項１又は請求項２に記載の水処理施設の運転操作量説明変数選定装置。

Images