JP7092426B1 - 水成分推定装置、水成分推定方法、及び水成分推定プログラム - Google Patents
水成分推定装置、水成分推定方法、及び水成分推定プログラム Download PDFInfo
- Publication number
- JP7092426B1 JP7092426B1 JP2022069101A JP2022069101A JP7092426B1 JP 7092426 B1 JP7092426 B1 JP 7092426B1 JP 2022069101 A JP2022069101 A JP 2022069101A JP 2022069101 A JP2022069101 A JP 2022069101A JP 7092426 B1 JP7092426 B1 JP 7092426B1
- Authority
- JP
- Japan
- Prior art keywords
- data
- water
- filter
- learning
- trained model
- 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.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 303
- 238000000034 method Methods 0.000 title claims description 26
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 59
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 57
- 239000005416 organic matter Substances 0.000 claims description 31
- 238000012549 training Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 14
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 230000006866 deterioration Effects 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 230000033116 oxidation-reduction process Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 abstract description 5
- 238000011282 treatment Methods 0.000 description 42
- 238000013500 data storage Methods 0.000 description 12
- 238000012986 modification Methods 0.000 description 9
- 230000004048 modification Effects 0.000 description 9
- 238000010801 machine learning Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 5
- 238000005406 washing Methods 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 238000001223 reverse osmosis Methods 0.000 description 2
- 241001669679 Eleotris Species 0.000 description 1
- IOVCWXUNBOPUCH-UHFFFAOYSA-M Nitrite anion Chemical compound [O-]N=O IOVCWXUNBOPUCH-UHFFFAOYSA-M 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Landscapes
- Water Treatment By Sorption (AREA)
- Monitoring And Testing Of Nuclear Reactors (AREA)
Abstract
Description
図1は、本実施形態の水処理システム10を示す図である。図1に示されるように、本実施形態の水処理システム10は、洗浄水を吐出する水栓12と、シンク14と、フィルター16と、第1センサ20Aと、第2センサ20Bと、水成分推定装置22と、を備える。フィルター16へ流れ込む水(以下、単に流入水とも称する。)W1は排水管18A内を流れる。また、フィルター16から流れ出た水(以下、単に流出水とも称する。)W2は、排水管18B内を流れる。なお、水処理システム10の構成は図1に限定されるものではない。図1は、実施形態である水処理システム10を説明するためのものであり、センサ、フィルター、及び排水管等の各種構成要素の配置及び構成は、図1に限定されるものではない。
次に、実施形態の学習装置40の作用について説明する。複数の学習用データが学習用データ記憶部42に格納され、学習装置40が学習処理の指示信号を受け付けると、図7に示す学習処理ルーチンを実行する。
次に、実施形態の水成分推定装置22の作用について説明する。水成分推定装置22へ学習済みモデルM1が入力されると、水成分推定装置22は学習済みモデルM1を学習済みモデル記憶部26へ格納する。また、水成分推定装置22は、第1センサ20Aによって逐次検知される第1の全有機体炭素データ及び第2センサ20Bによって逐次検知される第2の全有機体炭素データをデータ記憶部24へ格納する。水成分推定装置22は、水成分推定の指示信号を受け付けると、図8に示す推定処理ルーチンを実行する。
水を浄化するためのフィルターに流入する水の第1の有機物データと前記フィルターから流出した水の第2の有機物データとを表す入力データを取得する取得部と、
前記入力データを、予め学習された学習済みモデルに対して入力し、前記学習済みモデルから前記フィルターに流入する水の成分に関する出力データを出力させることにより、前記フィルターに流入する水の成分を推定する推定部と、を含み、
前記学習済みモデルは、前記フィルターに流入する水の学習用の第1の前記有機物データ及び前記フィルターから流出した水の学習用の第2の前記有機物データと、前記フィルターに流入する水の学習用の成分に関する成分データと、が関連付けられた学習用データから予め機械学習された学習済みモデルである、
水成分推定装置。
前記入力データには、前記フィルターに関するデータが更に含まれ、
前記学習用データには、学習用の前記フィルターに関するデータが更に含まれる、
付記1に記載の水成分推定装置。
前記フィルターに関するデータには、前記フィルターの識別データ、前記フィルターの使用履歴データ、及び前記フィルターのハウジングに関するデータの少なくとも1つが含まれる、
付記2に記載の水成分推定装置。
前記使用履歴データには、前記フィルターの使用時間及び前記フィルターの前後の水圧データの少なくとも1つが含まれる、
付記3に記載の水成分推定装置。
前記入力データには、前記水に関するデータが更に含まれ、
前記学習用データには、学習用の前記水に関するデータが更に含まれる、
付記1~付記4の何れか1項に記載の水成分推定装置。
前記水に関するデータには、前記水の温度を表すデータ、前記水の電気伝導度を表すデータ、前記水の濁度を表すデータ、前記水のpHデータ、及び前記水の酸化還元電位を表すデータの少なくとも1つが含まれる、
付記5に記載の水成分推定装置。
前記入力データは、前記第1の有機物データと前記第2の有機物データとの比率を表す比率データであり、
前記学習用データは、学習用の第1の有機物データと前記第2の有機物データとの比率を表す比率データである、
付記1~付記6の何れか1項に記載の水成分推定装置。
前記フィルターは複数であり、
複数の前記フィルターの間には、有機物データを検知するセンサが設置されており、
前記入力データは、複数の前記フィルターの間に設置された前記センサによって検知された前記有機物データである、
付記1~付記7の何れか1項に記載の水成分推定装置。
水を浄化するためのフィルターに流入する水の第1の有機物データと前記フィルターから流出した水の第2の有機物データとを表す入力データを取得し、
前記入力データを、予め学習された学習済みモデルに対して入力し、前記学習済みモデルから前記フィルターに流入する水の成分に関する出力データを出力させることにより、前記フィルターに流入する水の成分を推定する、
処理をコンピュータが実行する水成分推定方法であって、
前記学習済みモデルは、前記フィルターに流入する水の学習用の第1の前記有機物データ及び前記フィルターから流出した水の学習用の第2の前記有機物データと、前記フィルターに流入する水の学習用の成分に関する成分データと、が関連付けられた学習用データから予め機械学習された学習済みモデルである、
水成分推定方法。
水を浄化するためのフィルターに流入する水の第1の有機物データと前記フィルターから流出した水の第2の有機物データとを表す入力データを取得し、
前記入力データを、予め学習された学習済みモデルに対して入力し、前記学習済みモデルから前記フィルターに流入する水の成分に関する出力データを出力させることにより、前記フィルターに流入する水の成分を推定する、
処理をコンピュータに実行させるための水成分推定プログラムであって、
前記学習済みモデルは、前記フィルターに流入する水の学習用の第1の前記有機物データ及び前記フィルターから流出した水の学習用の第2の前記有機物データと、前記フィルターに流入する水の学習用の成分に関する成分データと、が関連付けられた学習用データから予め機械学習された学習済みモデルである、
水成分推定プログラム。
12 水栓
14 シンク
16A,16B フィルター
20A センサ
20B センサ
20C センサ
21 データ送信装置
22 水成分推定装置
24 データ記憶部
26 学習済みモデル記憶部
28 結果記憶部
30 取得部
32 推定部
40 学習装置
42 学習用データ記憶部
44 学習部
46 学習済みモデル記憶部
50 コンピュータ
Claims (10)
- 水を浄化するためのフィルターに流入する水の第1の有機物データと前記フィルターから流出した水の第2の有機物データとを表す入力データを取得する取得部と、
前記入力データを、予め学習された学習済みモデルに対して入力し、前記学習済みモデルから前記フィルターに流入する水の成分に関する出力データを出力させることにより、前記フィルターに流入する水の成分を推定する推定部と、を含み、
前記学習済みモデルは、前記フィルターに流入する水の学習用の第1の前記有機物データ及び前記フィルターから流出した水の学習用の第2の前記有機物データと、前記フィルターに流入する水の学習用の成分に関する成分データと、が関連付けられた学習用データから予め機械学習された学習済みモデルである、
水成分推定装置。 - 前記入力データには、前記フィルターに関するデータが更に含まれ、
前記学習用データには、学習用の前記フィルターに関するデータが更に含まれる、
請求項1に記載の水成分推定装置。 - 前記フィルターに関するデータには、前記フィルターの識別データ、前記フィルターの材質を表すデータ、前記フィルターの使用履歴データ、前記フィルターの耐性特徴に関するデータ、前記フィルターの劣化傾向に関するデータ、前記フィルターの目詰まりパターンに関するデータ、及び前記フィルターのハウジングに関するデータの少なくとも1つが含まれる、
請求項2に記載の水成分推定装置。 - 前記使用履歴データには、前記フィルターに流入した累積の全有機炭素量を表すデータ、前記フィルターから流出した累積の全有機炭素量を表すデータ、前記フィルターの使用時間、及び前記フィルターの前後の水圧データの少なくとも1つが含まれる、
請求項3に記載の水成分推定装置。 - 前記入力データには、前記水に関するデータが更に含まれ、
前記学習用データには、学習用の前記水に関するデータが更に含まれる、
請求項1に記載の水成分推定装置。 - 前記水に関するデータには、前記水の温度を表すデータ、前記水の電気伝導度を表すデータ、前記水の濁度を表すデータ、前記水のpHデータ、及び前記水の酸化還元電位を表すデータの少なくとも1つが含まれる、
請求項5に記載の水成分推定装置。 - 前記入力データは、前記第1の有機物データと前記第2の有機物データとの比率を表す比率データであり、
前記学習用データは、学習用の第1の有機物データと前記第2の有機物データとの比率を表す比率データである、
請求項1に記載の水成分推定装置。 - 前記フィルターは複数であり、
複数の前記フィルターの間には、有機物データを検知するセンサが設置されており、
前記入力データは、複数の前記フィルターの間に設置された前記センサによって検知された前記有機物データである、
請求項1~請求項7の何れか1項に記載の水成分推定装置。 - 水を浄化するためのフィルターに流入する水の第1の有機物データと前記フィルターから流出した水の第2の有機物データとを表す入力データを取得し、
前記入力データを、予め学習された学習済みモデルに対して入力し、前記学習済みモデルから前記フィルターに流入する水の成分に関する出力データを出力させることにより、前記フィルターに流入する水の成分を推定する、
処理をコンピュータが実行する水成分推定方法であって、
前記学習済みモデルは、前記フィルターに流入する水の学習用の第1の前記有機物データ及び前記フィルターから流出した水の学習用の第2の前記有機物データと、前記フィルターに流入する水の学習用の成分に関する成分データと、が関連付けられた学習用データから予め機械学習された学習済みモデルである、
水成分推定方法。 - 水を浄化するためのフィルターに流入する水の第1の有機物データと前記フィルターから流出した水の第2の有機物データとを表す入力データを取得し、
前記入力データを、予め学習された学習済みモデルに対して入力し、前記学習済みモデルから前記フィルターに流入する水の成分に関する出力データを出力させることにより、前記フィルターに流入する水の成分を推定する、
処理をコンピュータに実行させるための水成分推定プログラムであって、
前記学習済みモデルは、前記フィルターに流入する水の学習用の第1の前記有機物データ及び前記フィルターから流出した水の学習用の第2の前記有機物データと、前記フィルターに流入する水の学習用の成分に関する成分データと、が関連付けられた学習用データから予め機械学習された学習済みモデルである、
水成分推定プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022069101A JP7092426B1 (ja) | 2022-04-19 | 2022-04-19 | 水成分推定装置、水成分推定方法、及び水成分推定プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022069101A JP7092426B1 (ja) | 2022-04-19 | 2022-04-19 | 水成分推定装置、水成分推定方法、及び水成分推定プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7092426B1 true JP7092426B1 (ja) | 2022-06-28 |
JP2023158980A JP2023158980A (ja) | 2023-10-31 |
Family
ID=82196212
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022069101A Active JP7092426B1 (ja) | 2022-04-19 | 2022-04-19 | 水成分推定装置、水成分推定方法、及び水成分推定プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7092426B1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019059309A1 (ja) | 2017-09-20 | 2019-03-28 | Wota株式会社 | 水処理システム |
JP2020113151A (ja) | 2019-01-16 | 2020-07-27 | 株式会社東芝 | 処理水質推定装置、処理水質推定方法及びプログラム |
JP2020165720A (ja) | 2019-03-28 | 2020-10-08 | 栗田工業株式会社 | 水質推定装置及び水質推定方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115092980A (zh) * | 2016-03-11 | 2022-09-23 | Wota株式会社 | 水处理装置管理系统和家用水处理装置 |
JP2022015249A (ja) * | 2020-07-08 | 2022-01-21 | 日新電機株式会社 | 放流水質予測装置および放流水質予測方法 |
-
2022
- 2022-04-19 JP JP2022069101A patent/JP7092426B1/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019059309A1 (ja) | 2017-09-20 | 2019-03-28 | Wota株式会社 | 水処理システム |
JP2020113151A (ja) | 2019-01-16 | 2020-07-27 | 株式会社東芝 | 処理水質推定装置、処理水質推定方法及びプログラム |
JP2020165720A (ja) | 2019-03-28 | 2020-10-08 | 栗田工業株式会社 | 水質推定装置及び水質推定方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2023158980A (ja) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6621410B2 (ja) | 水ハイブリッド装置 | |
Sundermann et al. | Hydromorphological restoration of running waters: effects on benthic invertebrate assemblages | |
Fragkoulis et al. | Detection, isolation and identification of multiple actuator and sensor faults in nonlinear dynamic systems: Application to a waste water treatment process | |
CN108956484A (zh) | 一种一体化追踪污染源的方法和装置 | |
JP2007245084A (ja) | 膜ろ過制御装置 | |
Ashton et al. | Relations between macroinvertebrates, nutrients, and water quality criteria in wadeable streams of Maryland, USA | |
Samuelsson et al. | Fault signatures and bias progression in dissolved oxygen sensors | |
KR20210137925A (ko) | 정수기 및 정수기 제어 방법 | |
Haimi et al. | Shall we use hardware sensor measurements or soft-sensor estimates? Case study in a full-scale WWTP | |
US20200264151A1 (en) | Improved detection and characterization of anomalies in a continuum of water | |
CN106226490A (zh) | 一种水质检测的方法及装置 | |
JP7092426B1 (ja) | 水成分推定装置、水成分推定方法、及び水成分推定プログラム | |
TWI351386B (ja) | ||
Oishi et al. | Adaptive model and model selection for long-term transmembrane pressure prediction in membrane bioreactors | |
Rai et al. | Influence of environmental parameters on benthic macroinvertebrate assemblages in the headwaters of Bagmati river, Kathmandu valley, Nepal | |
Seggelke et al. | Integrated operation of sewer system and WWTP by simulation-based control of the WWTP inflow | |
Peng et al. | Fine-scale environmental gradients formed by local pollutants largely impact zooplankton communities in running water ecosystems | |
JP7231240B2 (ja) | 情報処理装置 | |
Kolluri et al. | Evaluation of multivariate statistical analyses for monitoring and prediction of processes in an seawater reverse osmosis desalination plant | |
Liu et al. | Taxonomic, functional, and phylogenetic diversity patterns reveal different processes shaping river fish assemblages in the Eastern Huai River Basin, China | |
CN111186878A (zh) | 一种通过神经网络实现超滤循环泵调节的方法、装置、系统 | |
Esfahani et al. | Proposed new fouling monitoring indices for seawater reverse osmosis to determine the membrane cleaning interval | |
Xu et al. | Data fusion strategy based on ultraviolet–visible spectra and near-infrared spectra for simultaneous and accurate determination of key parameters in surface water | |
US20160009568A1 (en) | Rainwater Capture System and Method | |
Natarajan et al. | Constructed wetlands for improving stormwater quality and health of urban lakes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220427 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220427 |
|
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: 20220517 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220609 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7092426 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |