JP4016307B2 - 下水処理プロセスシミュレータ - Google Patents
下水処理プロセスシミュレータ Download PDFInfo
- Publication number
- JP4016307B2 JP4016307B2 JP34813398A JP34813398A JP4016307B2 JP 4016307 B2 JP4016307 B2 JP 4016307B2 JP 34813398 A JP34813398 A JP 34813398A JP 34813398 A JP34813398 A JP 34813398A JP 4016307 B2 JP4016307 B2 JP 4016307B2
- Authority
- JP
- Japan
- Prior art keywords
- simulation
- sewage treatment
- storage device
- water quality
- treatment plant
- 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.)
- Expired - Fee Related
Links
- 239000010865 sewage Substances 0.000 title claims description 51
- 238000000034 method Methods 0.000 title claims description 21
- 238000004088 simulation Methods 0.000 claims description 73
- 238000004364 calculation method Methods 0.000 claims description 36
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 31
- 238000011156 evaluation Methods 0.000 claims description 28
- 238000004458 analytical method Methods 0.000 claims description 23
- 238000013500 data storage Methods 0.000 claims description 18
- 230000002068 genetic effect Effects 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 230000035772 mutation Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000005842 biochemical reaction Methods 0.000 claims description 3
- 238000004457 water analysis Methods 0.000 claims description 3
- 238000004321 preservation Methods 0.000 claims description 2
- 230000004941 influx Effects 0.000 claims 1
- 238000004065 wastewater treatment Methods 0.000 claims 1
- MMDJDBSEMBIJBB-UHFFFAOYSA-N [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] Chemical compound [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] MMDJDBSEMBIJBB-UHFFFAOYSA-N 0.000 description 12
- 238000006243 chemical reaction Methods 0.000 description 9
- 238000004062 sedimentation Methods 0.000 description 7
- 239000010802 sludge Substances 0.000 description 7
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 6
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 6
- 229910052698 phosphorus Inorganic materials 0.000 description 6
- 239000011574 phosphorus Substances 0.000 description 6
- 108090000623 proteins and genes Proteins 0.000 description 5
- 241000894006 Bacteria Species 0.000 description 4
- 239000003344 environmental pollutant Substances 0.000 description 4
- 230000001546 nitrifying effect Effects 0.000 description 4
- 231100000719 pollutant Toxicity 0.000 description 4
- 229910002651 NO3 Inorganic materials 0.000 description 3
- 238000000855 fermentation Methods 0.000 description 3
- 230000004151 fermentation Effects 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-M Bicarbonate Chemical compound OC([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-M 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 239000002253 acid Substances 0.000 description 2
- 229910021529 ammonia Inorganic materials 0.000 description 2
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000005416 organic matter Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 239000006228 supernatant Substances 0.000 description 2
- JVMRPSJZNHXORP-UHFFFAOYSA-N ON=O.ON=O.ON=O.N Chemical compound ON=O.ON=O.ON=O.N JVMRPSJZNHXORP-UHFFFAOYSA-N 0.000 description 1
- 229910019142 PO4 Inorganic materials 0.000 description 1
- 238000005273 aeration Methods 0.000 description 1
- 238000005054 agglomeration Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 230000007062 hydrolysis Effects 0.000 description 1
- 238000006460 hydrolysis reaction Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- IBIRZFNPWYRWOG-UHFFFAOYSA-N phosphane;phosphoric acid Chemical compound P.OP(O)(O)=O IBIRZFNPWYRWOG-UHFFFAOYSA-N 0.000 description 1
- QVLTXCYWHPZMCA-UHFFFAOYSA-N po4-po4 Chemical compound OP(O)(O)=O.OP(O)(O)=O QVLTXCYWHPZMCA-UHFFFAOYSA-N 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001954 sterilising effect Effects 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W10/00—Technologies for wastewater treatment
- Y02W10/10—Biological treatment of water, waste water, or sewage
Landscapes
- Activated Sludge Processes (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、下水処理プロセスの稼動状態をシミュレーションする時、前もって設定する必要がある水質モデルの多数のパラメータを自動的に設定することができる下水処理プロセスシミュレータに関するものである。
【０００２】
【従来の技術】
下水処理プラントの現在の運転状況を把握したり、その結果に基づいて今後の運転の方向性を決めたりして下水処理プラントの稼動状態の管理をする時には、シミュレータが使用されることがある。このシミュレータを使用して下水処理プロセスをシミュレーションするには、まず初めにシミュレータ内に下水処理プロセスのモデルを構築する必要がある。ここではそのモデルとして動力学活性汚泥モデルを適用した。このモデルを構築するには、通常、当該下水処理プロセスに固有のモデルパラメータを約５０個ほど設定しなければならない。従来、そのような多数のパラメータは、運転員が分析データとシミュレーション結果の比較を行った上で設定していた。
そのような設定がされる従来の下水処理シミュレータを図を用いて説明する。図２は従来の下水処理シミュレータの構成とその周辺との接続状況を示すブロック図である。図において２０は最初沈殿池、２１は反応槽、２２は最終沈殿池であり、これらによって下水処理プラントが構成されている。１は下水処理プラント中のａ、ｂ、ｃ、ｄの各点の水質分析結果を収集して蓄積するデータ蓄積装置であり、２００はそのデータを入力してモデルパラメータを設定するためのパラメータ設定装置、１６はパラメータ設定装置２００で構築されたモデルパラメータを用いて下水処理プロセスのシミュレーションを行うシミュレーション演算装置である。
【０００３】
下水処理プラントでは、流入した下水は、最初沈殿池２０、反応槽２１、最終沈殿池２２の順に流れていき処理される。ａ、ｂ、ｃ、ｄはシミュレーションする上で必要な情報をサンプリングする地点であり、サンプリングされた情報からリン酸態リン濃度や、硝酸態窒素濃度、アンモニア態窒素濃度、Total-COD、溶解性CODなどの水質が分析されてデータ蓄積装置１の入力データとされる。
ここで下水処理プラントの処理概要を説明する。汚濁物質を含む下水は、最初沈澱池２０に導入され、汚濁物質の中の沈降しやすいものを沈降分離して上澄水を反応槽２１に流出する。反応槽２１には最終沈澱池２２の汚泥の一部が返送汚泥管を経て返送されており、反応槽２１はその返送汚泥と最初沈殿池２０の上澄水を処理する。反応槽２１では、ブロワーから圧送された空気が曝気槽内の散気管によって放出されており、汚濁物質は活性汚泥により吸着、分解されて最終沈澱池２２に導かれる。最終沈澱池２２では活性汚泥を沈降分離し、清澄水は処理水として図示しない滅菌槽を経て放流される。
【０００４】
次にパラメータ設定装置２００について説明する。パラメータ設定装置２００は、処理場パラメータ設定装置２と、モデルパラメータ設定装置１７、シミュレーション計算装置５、シミュレーション結果蓄積装置６、分析データ比較装置１８とから構成されている。処理場パラメータ設定装置２は、シミュレーションを行う下水処理プラント内の各槽の大きさや水温などのデータを設定する。モデルパラメータ設定装置１７は、シミュレーションする際に使用するモデルのパラメータを設定する。そのモデルには下水処理プロセスの生化学反応を数式によって表現した各種のものが提案されている。その数式は、下水や活性汚泥混合液中の汚濁成分をいくつかに分類し、それらの間の反応プロセスを表現してモデル化されたものである。このモデルは生物学的窒素、リン除去に加えて、リン除去に広く用いられている凝集沈殿も扱っており、広範な対象に適用が可能である。このモデルを使用するためには硝化菌の増殖速度など、約５０個ものパラメータを運転員が設定する必要がある。シミュレーション計算装置５は、データ蓄積装置１に蓄積された分析データのうち下水処理プラントの入口に流入する水質と、処理場パラメータ設定装置２に入力された値と、モデルパラメータ設定装置１７によって設定された値とを入力し、パラメータの妥当性を検討するために水質の予測を行う。その予測計算に用いる式は１０数個あり、その一つを例示すると、例えば硝酸態窒素濃度の計算はつぎの式を用いて行われる。
【数１】
ここで、
NO3(i)：i時点の対象タンクの硝酸態窒素濃度(gN/m3)
NO3(i)１R：i時点の対象タンクの化学反応による変化量を考慮に入れた硝酸態窒素濃度(gN/m3)
NO3(i)１in：i時点の対象タンクに流入する硝酸態窒素濃度(gN/m3)
NO3(i)１out：i時点の対象タンクから流出する硝酸態窒素濃度(gN/m3)
V：対象タンクの体積(m3)
Qin：対象タンクへ流入する量(m3/h)
Qout：対象タンクから流出する量(m3/h)
T：対象タンクから流入・流出するステップ時間(h)
i：シミュレーションステップ(h)
但し各変数は次のように計算される。
【数２】
【数３】
【数４】
【数５】
【数６】
【数７】
但し、
ΔNO3(i)：i時点の対象タンクで増殖・減少した硝酸態窒素(gN/m3)
SDF：易分解性有機物を利用した脱窒量(gCOD/(m3d))
SDA：発酵生成物を利用した脱窒量(gCOD/(m3d))
Growth：硝化菌の増殖量(gCOD/m3d )
１のデータ蓄積装置から入力される分析データ
SO2：溶存酸素濃度(gO2/m3)
SNH4：溶解性のアンモニア濃度(gN/m3)
SNO3：溶解性の硝酸性窒素濃度(gN/m3)
SPO4：無機溶解性リン酸性リン濃度(gP/m3)
SALK：アルカリ度(mole HCO3/m3)
１７のモデルパラメータ設定装置から設定されるパラメータ
SF：易分解性有機物濃度(gCOD/m3)
SA：発酵生成物濃度(gCOD/m3)
XAUT：硝化菌濃度(gCOD/m3)
uH：基質の最大増殖速度(1/d)
ηNO3：硝酸性窒素濃度の無酸素状態の加水分解による減少係数(-)
uAUT：硝化菌の最大増殖速度(1/d)
KA：発酵生成物濃度飽和係数(gO2/m3)
KO2：酸素飽和係数(gO2/m3)
KF：易分解性基質増殖飽和係数(gCOD/m3)
KNO3：硝酸性窒素飽和係数(gN/m3) 注)このシミュレ ーションでは亜硝酸性窒素と硝酸性窒素を同じ物質として扱う 。
KNH4：アンモニア飽和係数(gN/m3)
KP：リン酸性リン酸飽和係数(gP/m3)
KALK：アルカリ度飽和係数(mole HCO3/m3)
XH：非リン除去従属栄養微生物(gCOD/m3)
１つの式でもこれだけの設定すべきパラメータがあるので、全ての式を計算するには多数のパラメータが必要となることが分かる。シミュレーション計算装置５では、上記のように硝酸性窒素だけでなく、リン酸性リン濃度、アルカリ度、アンモニア性窒素濃度なども同時に計算される。
【０００５】
シミュレーション結果蓄積装置６は、シミュレーション計算装置５で計算された結果を蓄積する。分析データ比較装置１８は、データ蓄積装置１に蓄積されている各サンプリングポイントのデータとシミュレーション結果蓄積装置６の情報とを比較し、一致していればパラメータ設定を終了し、一致していなければモデルパラメータ設定装置１７によりパラメータを再設定して、再度シミュレーションを行う。このとき、運転員がそのプラントに最も適していると思われるパラメータを決めて設定する。
このように、シミュレーションと、その結果と実測値との比較によるモデルの修正とを繰り返して行い、下水処理プラントのモデル化を精度良いものとしていく。
モデル化がうまく行くと、シミュレーション演算装置１６は、パラメータ設定装置２００で求められたパラメータを使用し、下水処理プラントのシミュレーションをしてその結果を出力する。モデル化がうまくできているので、下水処理プラントの構成条件を変更したり、処理条件を変更してシミュレーションしても、精度良く変更後の下水処理状況を計算して予測することができる。
【０００６】
【発明が解決しようとする課題】
ところが、上記のような従来の下水処理プロセスシミュレータでは、運転員が約５０個ものパラメータを設定する必要があり、シミュレーションした結果が悪ければ、再度同じ数のパラメータを設定し、シミュレーションするということを繰り返していた。そのためシミュレーション演算装置１６で条件変更後の予測計算をするまでのパラメータ設定に多大の時間を要するという問題があった。
本発明は、そのような問題点に鑑みてなされたものでり、モデル化に必要なパラメータ設定を自動的に行い、運転員の負担を軽減すると同時に、効率的な予測を行うことができる下水処理プロセスシミュレータを提供することを目的とする。
【０００７】
【課題を解決するための手段】
前記課題を解決するため、本発明は、下水処理プラントの各プロセスの水質分析データを収集して蓄積するデータ蓄積装置と、前記下水処理プラント内の各槽の大きさや水温のデータと、前記下水処理プラントの生化学反応モデルを構成する複数のモデルパラメータと、前記データ蓄積装置に蓄積された前記下水処理プラントの入口に流入する水質分析データとを入力して前記下水処理プラントで行われる処理をシミュレーションし、シミュレーション結果と前記データ蓄積装置に蓄積された水質分析データとを比較し、その差が大きければ前記モデルパラメータを修正して再度シミュレーションを繰り返すパラメータ設定装置と、前記パラメータ設定装置から出力された前記モデルパラメータを入力してシミュレーションを行うシミュレーション演算装置を備えた下水処理プロセスシミュレータにおいて、前記パラメータ設定装置は、遺伝的アルゴリズムにおける前記モデルパラメータの上限値及び下限値を設定するとともに前記複数のモデルパラメータの初期生命集団を連結された二進符号のビット列として所定数だけ作成する初期生命集団作成装置と、前記初期生命集団作成装置による設定情報を受けて二進符号のビット列を前記モデルパラメータに変換するデコード演算装置と、前記下水処理プラント内の各槽の大きさや水温のデータと、前記デコード演算装置で変換された前記複数のモデルパラメータと、前記データ蓄積装置に蓄積された前記下水処理プラントの入口に流入する水質分析データとを入力して処理後の水質のシミュレーションを行うシミュレーション計算装置と、前記シミュレーション計算装置によるシミュレーション結果を蓄積するシミュレーション結果蓄積装置と、前記シミュレーション結果と前記データ蓄積装置に蓄積された水質分析データとを比較してその評価値を演算する評価値演算装置と、設定された回数だけシミュレーションを行ったか否かを判定し、シミュレーション回数が前記回数に達していない場合は再度前記シミュレーション計算装置にシミュレーションを行わせる個体数判定装置と、遺伝的アルゴリズムによる前記モデルパラメータ設定を終了するか否かを判定する継続判定装置と、前記所定数の個体の中で最も評価の高い個体を残すエリート保存装置と、前記シミュレーション結果から各個体が次世代に残るべきか否かを確率的に決める選択・淘汰演算装置と、次世代生命集団となる候補を２個体ずつ交叉させる交叉演算装置と、前記シミュレーション結果が極所解に陥らないように突然変異を起こし、その結果を前記デコード演算装置に入力する突然変異演算装置とを備え、前記評価値演算装置は、前記評価値を演算する際に前記シミュレーション結果蓄積装置のシミュレーション結果と前記データ蓄積装置に蓄積された水質分析結果との差を前記水質分析結果の平均値で除するとともに最も重要度の高い水質項目に重み付けを行うことを特徴としている。上記手段により、モデルのパラメータが自動的に設定できるようになるため運転員の負担軽減につながる。
【０００８】
【実施例】
以下、本発明の実施の形態を図に基づいて説明する。図１は、本発明の下水処理プロセスシミュレータの構成とその周辺との接続状況を示すブロック図である。図において、２は処理場パラメータ設定装置であり、シミュレーションを行う下水処理プラント内のタンクの大きさや水温のデータなどを設定する。３は初期生命集団作成装置であり、モデルパラメータの上限値及び下限値と、初期生命集団を設定する。初期生命集団は１個のモデルパラメータを二進符号を８ビットで表現するためのビットを定義し、それらをつなぎ合わせて一つのビット列を作成する。乱数により０または１で各要素を構成し、これを初期生命集団としてN 個作成する。４はデコード演算装置であり、二進符号のビット列を下水パラメータに変換する場合、二進数から十進数へ単に変換するのではなく、次のように変換する。例えば二進符号のビット列中でi番目のパラメータkiの部分を計算するには、kiの上下限値をki min 、 ki max と定義して（８）式に基づいて変換する。
【数８】
ただし、二進符号のビット列中で i 番目のパラメータ ki に相当する部分を（１００１０１０１） ２ とする。
５はシミュレーション計算装置であり、データ蓄積装置１で蓄積された分析データ中の下水処理プラントの入口に流入する水質と、処理場パラメータ設定装置２で入力された値と、デコード演算装置４で演算された値とを入力してシミュレーションする。シミュレーション計算装置５は図２で説明したものと同一であり詳細な説明を省略する。
【０００９】
６はシミュレーション結果蓄積装置であり、シミュレーション計算装置５で計算された結果を蓄積する。７は評価値演算装置であり、データ蓄積装置１に蓄積している分析データと、シミュレーション結果蓄積装置６に蓄積しているデータとの比較を行う。評価値Hiの計算は（９）式に基づいて行われる。
【数９】
i：パラメータの数
j：評価ポイント
Hi：評価値
Xijsim:シミュレーションによるj点におけるi番目の水質項目の計測値
Xijana:分析によるj点におけるi番目の水質項目の分析値
Xijave:分析結果X１ijの平均値
aij:各項目への重み付け変数
この評価値は小さいほど結果がよくなる。重み付けは、分析結果とシミュレーション結果を特に一致させたい項目およびポイントのaijを他の項目やポイントよりも大きくする。それによって評価値が大きくなるため、遺伝的アルゴリズムは評価値を小さくしようと計算を行い、重み付けに最も合うパラメータを設定する。
【００１０】
８は個体数記憶装置であり、１回のステップで行うシミュレーションの回数を記憶している。９は個体数判定装置であり、個体数記憶装置８から得られた値と現在のシミュレーション回数を比較し、その値を越えていなければもう一度シミュレーションを行い、越えていれば継続判定装置１１に評価値を渡す。１０は判定基準値記憶装置であり、遺伝的アルゴリズムを継続して行うかどうかを判定する評価値の判定基準値を記憶している。１１は継続判定装置であり、評価値演算装置７で計算された個体数分の評価値で最も小さい値と判定基準値を比較し、この評価値が判定基準値より小さければ遺伝的アルゴリズムの計算を終了し、この評価値が判定基準値より大きければ遺伝的アルゴリズムの計算を継続して行う。１２はエリート保存装置であり、各個体が次世代に残るものかどうかを決定する。先ず、生命集団の中の最良個体（評価値の一番小さい値）を保存する。遺伝的アルゴリズムではランダム的な手法により遺伝子操作を行うので、生命集団の最優良固体が前の世代よりも悪くなることがある。これを避けるため、生命集団の最優良個体の遺伝子を次世代生命集団の１個体の遺伝子として残す。エリートとして保存された遺伝子に対しては交叉・突然変異などの操作は行わない。１３は選択・淘汰演算装置であり、各個体は評価値Hiに比例したルーレット選択により選択・淘汰する。まず、個体iの評価値Hiが全体の中で相対的にどのくらいの割合を占めているかを計算する。その計算は（１０）式に従って行われる。
【数１０】
但し、
Hi：評価値
Hi'：正規化された評価値
N：個体数
【００１１】
割合Hi'の大きさに合わせてルーレットホイールを作る。次に乱数を生命集団の個体数だけ発生させ、その乱数と一致した個体を次世代の候補として選択する。具体的には乱数x(0 < x <1)に対し、次世代の候補となる個体iは（１１）式の範囲に入った時の値となる。
【数１１】
この方法によりルーレット上の占有面積の広い個体ほど次世代に生き残れることになり、評価値が相対的に小さい個体はここで淘汰される。
【００１２】
１４は交叉演算装置であり、次世代生命集団となる候補Ｎ個中からランダムに２つの個体ペアを計Ｎ／２個つくり、すでに設定していた交叉確率で１点または複数点交叉を行う。具体的には２組の遺伝子を確率的に選んだ任意の位置で切断して交叉させ、新しい生命集団を誕生させる。１５は突然変異演算装置であり、任意の遺伝子のあるビットを突然変異確率で符号反転をおこし、強制的に変換させる。次世代の各個体を作成後、再びデコード演算装置４にて二進符号のビット列をモデルパラメータに変換する。
上記の構成でくり返しシミュレーションしてパラメータを求めている時に、継続判定装置１１で判定した結果が判定基準値記憶装置１０の値より小さければパラメータ設定を終了し、その結果がシミュレーション演算装置１６に渡される。そして、シミュレーション演算装置１６によって下水処理場の様々な条件下でのシミュレーションが従来同様にできるのである。
以上述べたように、パラメータ設定装置１００では、処理場の分析データ、処理場の仕様、初期生命集団から設定されたパラメータを基にシミュレーションを行い、その結果を基にエリート保存や、選択・淘汰、交叉、突然変異の遺伝的操作を行って、モデルを修正していくので、現実の下水処理プラントに近いモデル化が運転員の手を煩わすことなく自動的にできるのである。
【００１３】
【発明の効果】
本発明によると、遺伝的アルゴリズムを使用することにより、従来は運転員が行っていたモデルのパラメータ設定を自動的に行うことができるため、運転員の工数を大幅に軽減することができると同時に、下水処理プラントの構成等の変更により処理状態がどのように変わるかという予測が速やかにできるようになって、効率のよい管理をすることができるという効果がある。
【図面の簡単な説明】
【図１】本発明の下水処理プロセスシミュレータ
【図２】従来の下水処理プロセスシミュレータ
１ データ蓄積装置
２ 処理場パラメータ設定装置
３ 初期設定装置
４ デコード演算装置
５ シミュレーション演算装置
６ シミュレーション結果蓄積装置
７ 評価値演算装置
８ 個体数記憶装置
９ 個体数判定装置
１０ 判定基準値記憶装置
１１ 継続判定装置
１２ エリート保存装置
１３ 選択・淘汰演算装置
１４ 交叉演算装置
１５ 突然変異演算装置
１６ シミュレーション演算装置
１７ モデルパラメータ設定装置
１８ 分析データ比較装置
２０ 最初沈殿池
２１ 反応槽
２２ 最終沈殿池
【発明の属する技術分野】
本発明は、下水処理プロセスの稼動状態をシミュレーションする時、前もって設定する必要がある水質モデルの多数のパラメータを自動的に設定することができる下水処理プロセスシミュレータに関するものである。
【０００２】
【従来の技術】
下水処理プラントの現在の運転状況を把握したり、その結果に基づいて今後の運転の方向性を決めたりして下水処理プラントの稼動状態の管理をする時には、シミュレータが使用されることがある。このシミュレータを使用して下水処理プロセスをシミュレーションするには、まず初めにシミュレータ内に下水処理プロセスのモデルを構築する必要がある。ここではそのモデルとして動力学活性汚泥モデルを適用した。このモデルを構築するには、通常、当該下水処理プロセスに固有のモデルパラメータを約５０個ほど設定しなければならない。従来、そのような多数のパラメータは、運転員が分析データとシミュレーション結果の比較を行った上で設定していた。
そのような設定がされる従来の下水処理シミュレータを図を用いて説明する。図２は従来の下水処理シミュレータの構成とその周辺との接続状況を示すブロック図である。図において２０は最初沈殿池、２１は反応槽、２２は最終沈殿池であり、これらによって下水処理プラントが構成されている。１は下水処理プラント中のａ、ｂ、ｃ、ｄの各点の水質分析結果を収集して蓄積するデータ蓄積装置であり、２００はそのデータを入力してモデルパラメータを設定するためのパラメータ設定装置、１６はパラメータ設定装置２００で構築されたモデルパラメータを用いて下水処理プロセスのシミュレーションを行うシミュレーション演算装置である。
【０００３】
下水処理プラントでは、流入した下水は、最初沈殿池２０、反応槽２１、最終沈殿池２２の順に流れていき処理される。ａ、ｂ、ｃ、ｄはシミュレーションする上で必要な情報をサンプリングする地点であり、サンプリングされた情報からリン酸態リン濃度や、硝酸態窒素濃度、アンモニア態窒素濃度、Total-COD、溶解性CODなどの水質が分析されてデータ蓄積装置１の入力データとされる。
ここで下水処理プラントの処理概要を説明する。汚濁物質を含む下水は、最初沈澱池２０に導入され、汚濁物質の中の沈降しやすいものを沈降分離して上澄水を反応槽２１に流出する。反応槽２１には最終沈澱池２２の汚泥の一部が返送汚泥管を経て返送されており、反応槽２１はその返送汚泥と最初沈殿池２０の上澄水を処理する。反応槽２１では、ブロワーから圧送された空気が曝気槽内の散気管によって放出されており、汚濁物質は活性汚泥により吸着、分解されて最終沈澱池２２に導かれる。最終沈澱池２２では活性汚泥を沈降分離し、清澄水は処理水として図示しない滅菌槽を経て放流される。
【０００４】
次にパラメータ設定装置２００について説明する。パラメータ設定装置２００は、処理場パラメータ設定装置２と、モデルパラメータ設定装置１７、シミュレーション計算装置５、シミュレーション結果蓄積装置６、分析データ比較装置１８とから構成されている。処理場パラメータ設定装置２は、シミュレーションを行う下水処理プラント内の各槽の大きさや水温などのデータを設定する。モデルパラメータ設定装置１７は、シミュレーションする際に使用するモデルのパラメータを設定する。そのモデルには下水処理プロセスの生化学反応を数式によって表現した各種のものが提案されている。その数式は、下水や活性汚泥混合液中の汚濁成分をいくつかに分類し、それらの間の反応プロセスを表現してモデル化されたものである。このモデルは生物学的窒素、リン除去に加えて、リン除去に広く用いられている凝集沈殿も扱っており、広範な対象に適用が可能である。このモデルを使用するためには硝化菌の増殖速度など、約５０個ものパラメータを運転員が設定する必要がある。シミュレーション計算装置５は、データ蓄積装置１に蓄積された分析データのうち下水処理プラントの入口に流入する水質と、処理場パラメータ設定装置２に入力された値と、モデルパラメータ設定装置１７によって設定された値とを入力し、パラメータの妥当性を検討するために水質の予測を行う。その予測計算に用いる式は１０数個あり、その一つを例示すると、例えば硝酸態窒素濃度の計算はつぎの式を用いて行われる。
【数１】
ここで、
NO3(i)：i時点の対象タンクの硝酸態窒素濃度(gN/m3)
NO3(i)１R：i時点の対象タンクの化学反応による変化量を考慮に入れた硝酸態窒素濃度(gN/m3)
NO3(i)１in：i時点の対象タンクに流入する硝酸態窒素濃度(gN/m3)
NO3(i)１out：i時点の対象タンクから流出する硝酸態窒素濃度(gN/m3)
V：対象タンクの体積(m3)
Qin：対象タンクへ流入する量(m3/h)
Qout：対象タンクから流出する量(m3/h)
T：対象タンクから流入・流出するステップ時間(h)
i：シミュレーションステップ(h)
但し各変数は次のように計算される。
【数２】
【数３】
【数４】
【数５】
【数６】
【数７】
但し、
ΔNO3(i)：i時点の対象タンクで増殖・減少した硝酸態窒素(gN/m3)
SDF：易分解性有機物を利用した脱窒量(gCOD/(m3d))
SDA：発酵生成物を利用した脱窒量(gCOD/(m3d))
Growth：硝化菌の増殖量(gCOD/m3d )
１のデータ蓄積装置から入力される分析データ
SO2：溶存酸素濃度(gO2/m3)
SNH4：溶解性のアンモニア濃度(gN/m3)
SNO3：溶解性の硝酸性窒素濃度(gN/m3)
SPO4：無機溶解性リン酸性リン濃度(gP/m3)
SALK：アルカリ度(mole HCO3/m3)
１７のモデルパラメータ設定装置から設定されるパラメータ
SF：易分解性有機物濃度(gCOD/m3)
SA：発酵生成物濃度(gCOD/m3)
XAUT：硝化菌濃度(gCOD/m3)
uH：基質の最大増殖速度(1/d)
ηNO3：硝酸性窒素濃度の無酸素状態の加水分解による減少係数(-)
uAUT：硝化菌の最大増殖速度(1/d)
KA：発酵生成物濃度飽和係数(gO2/m3)
KO2：酸素飽和係数(gO2/m3)
KF：易分解性基質増殖飽和係数(gCOD/m3)
KNO3：硝酸性窒素飽和係数(gN/m3) 注)このシミュレ ーションでは亜硝酸性窒素と硝酸性窒素を同じ物質として扱う 。
KNH4：アンモニア飽和係数(gN/m3)
KP：リン酸性リン酸飽和係数(gP/m3)
KALK：アルカリ度飽和係数(mole HCO3/m3)
XH：非リン除去従属栄養微生物(gCOD/m3)
１つの式でもこれだけの設定すべきパラメータがあるので、全ての式を計算するには多数のパラメータが必要となることが分かる。シミュレーション計算装置５では、上記のように硝酸性窒素だけでなく、リン酸性リン濃度、アルカリ度、アンモニア性窒素濃度なども同時に計算される。
【０００５】
シミュレーション結果蓄積装置６は、シミュレーション計算装置５で計算された結果を蓄積する。分析データ比較装置１８は、データ蓄積装置１に蓄積されている各サンプリングポイントのデータとシミュレーション結果蓄積装置６の情報とを比較し、一致していればパラメータ設定を終了し、一致していなければモデルパラメータ設定装置１７によりパラメータを再設定して、再度シミュレーションを行う。このとき、運転員がそのプラントに最も適していると思われるパラメータを決めて設定する。
このように、シミュレーションと、その結果と実測値との比較によるモデルの修正とを繰り返して行い、下水処理プラントのモデル化を精度良いものとしていく。
モデル化がうまく行くと、シミュレーション演算装置１６は、パラメータ設定装置２００で求められたパラメータを使用し、下水処理プラントのシミュレーションをしてその結果を出力する。モデル化がうまくできているので、下水処理プラントの構成条件を変更したり、処理条件を変更してシミュレーションしても、精度良く変更後の下水処理状況を計算して予測することができる。
【０００６】
【発明が解決しようとする課題】
ところが、上記のような従来の下水処理プロセスシミュレータでは、運転員が約５０個ものパラメータを設定する必要があり、シミュレーションした結果が悪ければ、再度同じ数のパラメータを設定し、シミュレーションするということを繰り返していた。そのためシミュレーション演算装置１６で条件変更後の予測計算をするまでのパラメータ設定に多大の時間を要するという問題があった。
本発明は、そのような問題点に鑑みてなされたものでり、モデル化に必要なパラメータ設定を自動的に行い、運転員の負担を軽減すると同時に、効率的な予測を行うことができる下水処理プロセスシミュレータを提供することを目的とする。
【０００７】
【課題を解決するための手段】
前記課題を解決するため、本発明は、下水処理プラントの各プロセスの水質分析データを収集して蓄積するデータ蓄積装置と、前記下水処理プラント内の各槽の大きさや水温のデータと、前記下水処理プラントの生化学反応モデルを構成する複数のモデルパラメータと、前記データ蓄積装置に蓄積された前記下水処理プラントの入口に流入する水質分析データとを入力して前記下水処理プラントで行われる処理をシミュレーションし、シミュレーション結果と前記データ蓄積装置に蓄積された水質分析データとを比較し、その差が大きければ前記モデルパラメータを修正して再度シミュレーションを繰り返すパラメータ設定装置と、前記パラメータ設定装置から出力された前記モデルパラメータを入力してシミュレーションを行うシミュレーション演算装置を備えた下水処理プロセスシミュレータにおいて、前記パラメータ設定装置は、遺伝的アルゴリズムにおける前記モデルパラメータの上限値及び下限値を設定するとともに前記複数のモデルパラメータの初期生命集団を連結された二進符号のビット列として所定数だけ作成する初期生命集団作成装置と、前記初期生命集団作成装置による設定情報を受けて二進符号のビット列を前記モデルパラメータに変換するデコード演算装置と、前記下水処理プラント内の各槽の大きさや水温のデータと、前記デコード演算装置で変換された前記複数のモデルパラメータと、前記データ蓄積装置に蓄積された前記下水処理プラントの入口に流入する水質分析データとを入力して処理後の水質のシミュレーションを行うシミュレーション計算装置と、前記シミュレーション計算装置によるシミュレーション結果を蓄積するシミュレーション結果蓄積装置と、前記シミュレーション結果と前記データ蓄積装置に蓄積された水質分析データとを比較してその評価値を演算する評価値演算装置と、設定された回数だけシミュレーションを行ったか否かを判定し、シミュレーション回数が前記回数に達していない場合は再度前記シミュレーション計算装置にシミュレーションを行わせる個体数判定装置と、遺伝的アルゴリズムによる前記モデルパラメータ設定を終了するか否かを判定する継続判定装置と、前記所定数の個体の中で最も評価の高い個体を残すエリート保存装置と、前記シミュレーション結果から各個体が次世代に残るべきか否かを確率的に決める選択・淘汰演算装置と、次世代生命集団となる候補を２個体ずつ交叉させる交叉演算装置と、前記シミュレーション結果が極所解に陥らないように突然変異を起こし、その結果を前記デコード演算装置に入力する突然変異演算装置とを備え、前記評価値演算装置は、前記評価値を演算する際に前記シミュレーション結果蓄積装置のシミュレーション結果と前記データ蓄積装置に蓄積された水質分析結果との差を前記水質分析結果の平均値で除するとともに最も重要度の高い水質項目に重み付けを行うことを特徴としている。上記手段により、モデルのパラメータが自動的に設定できるようになるため運転員の負担軽減につながる。
【０００８】
【実施例】
以下、本発明の実施の形態を図に基づいて説明する。図１は、本発明の下水処理プロセスシミュレータの構成とその周辺との接続状況を示すブロック図である。図において、２は処理場パラメータ設定装置であり、シミュレーションを行う下水処理プラント内のタンクの大きさや水温のデータなどを設定する。３は初期生命集団作成装置であり、モデルパラメータの上限値及び下限値と、初期生命集団を設定する。初期生命集団は１個のモデルパラメータを二進符号を８ビットで表現するためのビットを定義し、それらをつなぎ合わせて一つのビット列を作成する。乱数により０または１で各要素を構成し、これを初期生命集団としてN 個作成する。４はデコード演算装置であり、二進符号のビット列を下水パラメータに変換する場合、二進数から十進数へ単に変換するのではなく、次のように変換する。例えば二進符号のビット列中でi番目のパラメータkiの部分を計算するには、kiの上下限値をki min 、 ki max と定義して（８）式に基づいて変換する。
【数８】
ただし、二進符号のビット列中で i 番目のパラメータ ki に相当する部分を（１００１０１０１） ２ とする。
５はシミュレーション計算装置であり、データ蓄積装置１で蓄積された分析データ中の下水処理プラントの入口に流入する水質と、処理場パラメータ設定装置２で入力された値と、デコード演算装置４で演算された値とを入力してシミュレーションする。シミュレーション計算装置５は図２で説明したものと同一であり詳細な説明を省略する。
【０００９】
６はシミュレーション結果蓄積装置であり、シミュレーション計算装置５で計算された結果を蓄積する。７は評価値演算装置であり、データ蓄積装置１に蓄積している分析データと、シミュレーション結果蓄積装置６に蓄積しているデータとの比較を行う。評価値Hiの計算は（９）式に基づいて行われる。
【数９】
i：パラメータの数
j：評価ポイント
Hi：評価値
Xijsim:シミュレーションによるj点におけるi番目の水質項目の計測値
Xijana:分析によるj点におけるi番目の水質項目の分析値
Xijave:分析結果X１ijの平均値
aij:各項目への重み付け変数
この評価値は小さいほど結果がよくなる。重み付けは、分析結果とシミュレーション結果を特に一致させたい項目およびポイントのaijを他の項目やポイントよりも大きくする。それによって評価値が大きくなるため、遺伝的アルゴリズムは評価値を小さくしようと計算を行い、重み付けに最も合うパラメータを設定する。
【００１０】
８は個体数記憶装置であり、１回のステップで行うシミュレーションの回数を記憶している。９は個体数判定装置であり、個体数記憶装置８から得られた値と現在のシミュレーション回数を比較し、その値を越えていなければもう一度シミュレーションを行い、越えていれば継続判定装置１１に評価値を渡す。１０は判定基準値記憶装置であり、遺伝的アルゴリズムを継続して行うかどうかを判定する評価値の判定基準値を記憶している。１１は継続判定装置であり、評価値演算装置７で計算された個体数分の評価値で最も小さい値と判定基準値を比較し、この評価値が判定基準値より小さければ遺伝的アルゴリズムの計算を終了し、この評価値が判定基準値より大きければ遺伝的アルゴリズムの計算を継続して行う。１２はエリート保存装置であり、各個体が次世代に残るものかどうかを決定する。先ず、生命集団の中の最良個体（評価値の一番小さい値）を保存する。遺伝的アルゴリズムではランダム的な手法により遺伝子操作を行うので、生命集団の最優良固体が前の世代よりも悪くなることがある。これを避けるため、生命集団の最優良個体の遺伝子を次世代生命集団の１個体の遺伝子として残す。エリートとして保存された遺伝子に対しては交叉・突然変異などの操作は行わない。１３は選択・淘汰演算装置であり、各個体は評価値Hiに比例したルーレット選択により選択・淘汰する。まず、個体iの評価値Hiが全体の中で相対的にどのくらいの割合を占めているかを計算する。その計算は（１０）式に従って行われる。
【数１０】
但し、
Hi：評価値
Hi'：正規化された評価値
N：個体数
【００１１】
割合Hi'の大きさに合わせてルーレットホイールを作る。次に乱数を生命集団の個体数だけ発生させ、その乱数と一致した個体を次世代の候補として選択する。具体的には乱数x(0 < x <1)に対し、次世代の候補となる個体iは（１１）式の範囲に入った時の値となる。
【数１１】
この方法によりルーレット上の占有面積の広い個体ほど次世代に生き残れることになり、評価値が相対的に小さい個体はここで淘汰される。
【００１２】
１４は交叉演算装置であり、次世代生命集団となる候補Ｎ個中からランダムに２つの個体ペアを計Ｎ／２個つくり、すでに設定していた交叉確率で１点または複数点交叉を行う。具体的には２組の遺伝子を確率的に選んだ任意の位置で切断して交叉させ、新しい生命集団を誕生させる。１５は突然変異演算装置であり、任意の遺伝子のあるビットを突然変異確率で符号反転をおこし、強制的に変換させる。次世代の各個体を作成後、再びデコード演算装置４にて二進符号のビット列をモデルパラメータに変換する。
上記の構成でくり返しシミュレーションしてパラメータを求めている時に、継続判定装置１１で判定した結果が判定基準値記憶装置１０の値より小さければパラメータ設定を終了し、その結果がシミュレーション演算装置１６に渡される。そして、シミュレーション演算装置１６によって下水処理場の様々な条件下でのシミュレーションが従来同様にできるのである。
以上述べたように、パラメータ設定装置１００では、処理場の分析データ、処理場の仕様、初期生命集団から設定されたパラメータを基にシミュレーションを行い、その結果を基にエリート保存や、選択・淘汰、交叉、突然変異の遺伝的操作を行って、モデルを修正していくので、現実の下水処理プラントに近いモデル化が運転員の手を煩わすことなく自動的にできるのである。
【００１３】
【発明の効果】
本発明によると、遺伝的アルゴリズムを使用することにより、従来は運転員が行っていたモデルのパラメータ設定を自動的に行うことができるため、運転員の工数を大幅に軽減することができると同時に、下水処理プラントの構成等の変更により処理状態がどのように変わるかという予測が速やかにできるようになって、効率のよい管理をすることができるという効果がある。
【図面の簡単な説明】
【図１】本発明の下水処理プロセスシミュレータ
【図２】従来の下水処理プロセスシミュレータ
１ データ蓄積装置
２ 処理場パラメータ設定装置
３ 初期設定装置
４ デコード演算装置
５ シミュレーション演算装置
６ シミュレーション結果蓄積装置
７ 評価値演算装置
８ 個体数記憶装置
９ 個体数判定装置
１０ 判定基準値記憶装置
１１ 継続判定装置
１２ エリート保存装置
１３ 選択・淘汰演算装置
１４ 交叉演算装置
１５ 突然変異演算装置
１６ シミュレーション演算装置
１７ モデルパラメータ設定装置
１８ 分析データ比較装置
２０ 最初沈殿池
２１ 反応槽
２２ 最終沈殿池
Claims (1)
- 下水処理プラントの各プロセスの水質分析データを収集して蓄積するデータ蓄積装置と、
前記下水処理プラント内の各槽の大きさや水温のデータと、前記下水処理プラントの生化学反応モデルを構成する複数のモデルパラメータと、前記データ蓄積装置に蓄積された前記下水処理プラントの入口に流入する水質分析データとを入力して前記下水処理プラントで行われる処理をシミュレーションし、シミュレーション結果と前記データ蓄積装置に蓄積された水質分析データとを比較し、その差が大きければ前記モデルパラメータを修正して再度シミュレーションを繰り返すパラメータ設定装置と、
前記パラメータ設定装置から出力された前記モデルパラメータを入力してシミュレーションを行うシミュレーション演算装置を備えた下水処理プロセスシミュレータにおいて、
前記パラメータ設定装置は、
遺伝的アルゴリズムにおける前記モデルパラメータの上限値及び下限値を設定するとともに前記複数のモデルパラメータの初期生命集団を連結された二進符号のビット列として所定数だけ作成する初期生命集団作成装置と、
前記初期生命集団作成装置による設定情報を受けて二進符号のビット列を前記モデルパラメータに変換するデコード演算装置と、
前記下水処理プラント内の各槽の大きさや水温のデータと、前記デコード演算装置で変換された前記複数のモデルパラメータと、前記データ蓄積装置に蓄積された前記下水処理プラントの入口に流入する水質分析データとを入力して処理後の水質のシミュレーションを行うシミュレーション計算装置と、
前記シミュレーション計算装置によるシミュレーション結果を蓄積するシミュレーション結果蓄積装置と、
前記シミュレーション結果と前記データ蓄積装置に蓄積された水質分析データとを比較してその評価値を演算する評価値演算装置と、
設定された回数だけシミュレーションを行ったか否かを判定し、シミュレーション回数が前記回数に達していない場合は再度前記シミュレーション計算装置にシミュレーションを行わせる個体数判定装置と、
遺伝的アルゴリズムによる前記モデルパラメータ設定を終了するか否かを判定する継続判定装置と、
前記所定数の個体の中で最も評価の高い個体を残すエリート保存装置と、
前記シミュレーション結果から各個体が次世代に残るべきか否かを確率的に決める選択・淘汰演算装置と、
次世代生命集団となる候補を２個体ずつ交叉させる交叉演算装置と、
前記シミュレーション結果が極所解に陥らないように突然変異を起こし、その結果を前記デコード演算装置に入力する突然変異演算装置とを備え、
前記評価値演算装置は、前記評価値を演算する際に前記シミュレーション結果蓄積装置のシミュレーション結果と前記データ蓄積装置に蓄積された水質分析結果との差を前記水質分析結果の平均値で除するとともに最も重要度の高い水質項目に重み付けを行うことを特徴とする下水処理プロセスシミュレータ。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP34813398A JP4016307B2 (ja) | 1998-12-08 | 1998-12-08 | 下水処理プロセスシミュレータ |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP34813398A JP4016307B2 (ja) | 1998-12-08 | 1998-12-08 | 下水処理プロセスシミュレータ |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2000167585A JP2000167585A (ja) | 2000-06-20 |
| JP4016307B2 true JP4016307B2 (ja) | 2007-12-05 |
Family
ID=18394978
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP34813398A Expired - Fee Related JP4016307B2 (ja) | 1998-12-08 | 1998-12-08 | 下水処理プロセスシミュレータ |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4016307B2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108217916A (zh) * | 2017-12-18 | 2018-06-29 | 上海昊沧系统控制技术有限责任公司 | 一种连续流交替式污水处理工艺的两相循环模拟方法 |
| TWI760791B (zh) * | 2019-07-19 | 2022-04-11 | 日商三菱動力股份有限公司 | 運轉比較裝置、運轉比較方法及程式 |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3985180B2 (ja) * | 2000-06-27 | 2007-10-03 | 株式会社安川電機 | 水質シミュレーション装置 |
| KR20130095405A (ko) * | 2012-02-20 | 2013-08-28 | 부산대학교 산학협력단 | 하수처리장 공정상태 진단에 따른 규칙기반 제어장치 및 방법 |
| JP7375616B2 (ja) * | 2020-03-06 | 2023-11-08 | 株式会社明電舎 | 水処理施設の運転操作量説明変数選定装置 |
| CN113979541B (zh) * | 2021-11-26 | 2023-11-03 | 昆明理工大学 | 一种a2o生物池工艺智能控制方法 |
-
1998
- 1998-12-08 JP JP34813398A patent/JP4016307B2/ja not_active Expired - Fee Related
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108217916A (zh) * | 2017-12-18 | 2018-06-29 | 上海昊沧系统控制技术有限责任公司 | 一种连续流交替式污水处理工艺的两相循环模拟方法 |
| TWI760791B (zh) * | 2019-07-19 | 2022-04-11 | 日商三菱動力股份有限公司 | 運轉比較裝置、運轉比較方法及程式 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2000167585A (ja) | 2000-06-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102854296B (zh) | 一种基于集成神经网络的污水处理软测量方法 | |
| Ando et al. | Inference of gene regulatory model by genetic algorithms | |
| CN110334438B (zh) | 一种空气污染物排放清单反演方法和设备 | |
| Tejaswini et al. | Multi-objective optimization based controller design for improved wastewater treatment plant operation | |
| CN112989704B (zh) | 一种基于de算法的irfm-cmnn出水bod浓度预测方法 | |
| JP4016307B2 (ja) | 下水処理プロセスシミュレータ | |
| CN103969412B (zh) | 一种基于群决策案例推理的溶解氧浓度软测量方法 | |
| Iqbal et al. | Optimization of an operating domestic wastewater treatment plant using elitist non-dominated sorting genetic algorithm | |
| CN115329661B (zh) | 一种智能投药模型建模、智能投药体系创建、投药方法 | |
| Mubarak et al. | Metro-environmental data approach for the prediction of chemical oxygen demand in new Nicosia wastewater treatment plant | |
| Ramadan et al. | Variable selection in classification of environmental soil samples for partial least square and neural network models | |
| Alsaeed et al. | Predicting turbidity and Aluminum in drinking water treatment plants using Hybrid Network (GA-ANN) and GEP | |
| CN105372995A (zh) | 污水处理系统测控方法 | |
| Varkeshi et al. | Predicting the performance of Gorgan wastewater treatment plant using ANN-GA, CANFIS, and ANN models | |
| JP4038718B2 (ja) | 下水処理プロセスのシミュレーション方法および下水処理プロセスシミュレータ | |
| CN116913415A (zh) | 一种精准加药除磷控制方法、系统、设备及可读存储介质 | |
| CN115691691A (zh) | 一种基于机器学习的新污染物反应活性预测方法 | |
| Aras et al. | River water quality management model using genetic algorithm | |
| JP2001047080A (ja) | 下水処理制御装置 | |
| CN113408205B (zh) | 环境污染分级方法、装置、设备及存储介质 | |
| WO2022029831A1 (ja) | 水質推定装置 | |
| CN113221436B (zh) | 一种基于改进型rbf神经网络的污水悬浮物浓度软测量方法 | |
| CN113222324B (zh) | 一种基于pls-pso-rbf神经网络模型的污水质量监测方法 | |
| CN114864015A (zh) | 水体富营养化检测方法、装置、设备及存储介质 | |
| Wang et al. | Alternative states in microbial communities during artificial aeration: Proof of incubation experiment and development of recurrent neural network models |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050314 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20060921 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070330 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070517 |
|
| 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: 20070823 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20070905 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100928 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110928 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110928 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120928 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120928 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130928 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140928 Year of fee payment: 7 |
|
| LAPS | Cancellation because of no payment of annual fees |