JP7451154B2 - Water quality estimation devices, methods, and programs - Google Patents
Water quality estimation devices, methods, and programs Download PDFInfo
- Publication number
- JP7451154B2 JP7451154B2 JP2019214558A JP2019214558A JP7451154B2 JP 7451154 B2 JP7451154 B2 JP 7451154B2 JP 2019214558 A JP2019214558 A JP 2019214558A JP 2019214558 A JP2019214558 A JP 2019214558A JP 7451154 B2 JP7451154 B2 JP 7451154B2
- Authority
- JP
- Japan
- Prior art keywords
- water quality
- information
- offline
- online
- database
- 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 description 275
- 238000000034 method Methods 0.000 title claims description 34
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000002203 pretreatment Methods 0.000 claims 6
- 238000010586 diagram Methods 0.000 description 27
- 238000011156 evaluation Methods 0.000 description 13
- 239000010865 sewage Substances 0.000 description 12
- 238000012544 monitoring process Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- 229910052801 chlorine Inorganic materials 0.000 description 1
- 239000000460 chlorine Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Description
特許法第３０条第２項適用 １．２０１９年１０月１５日 環境システム計測制御学会誌 第２４巻 第２／３号 ４０－４７頁にて発表Application of Article 30, Paragraph 2 of the Patent Act 1. Published on October 15, 2019, Journal of the Society of Environmental System Instrumentation and Control, Vol. 24, No. 2/3, pp. 40-47
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 an apparatus, method, and program for estimating water quality in a water treatment plant such as a water supply and sewage facility.
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。 Traditionally, water treatment plants such as water and sewage facilities have installed many types of sensors within the plant, such as water quality meters and thermometers that measure the quality and temperature of the treated water, in order to ensure efficient and stable operation of the plant. installed and monitor measurement information in real time (online). Hereinafter, measurements made in real time by sensors will be referred to as "online measurements."
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 that can be installed are limited due to budget and physical constraints, and it may not be possible to install enough sensors. In that case, instead of online measurement, the necessary information is obtained by manually (offline) sampling and analysis of water. Hereinafter, analysis performed manually will be 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 status of a water treatment plant based on the results of offline analysis, the status is monitored with a time delay.
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 water quality information to be obtained by off-line analysis based on other water quality information measured online in order to monitor water quality in a water treatment plant. , a method, and a program.
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、オフライン情報推定部、時系列予測モデル格納部、および時系列予測部を備えている。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、処理前および処理後の水質のオンライン情報、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、処理後の水質のオフライン情報を推定する。時系列予測モデル格納部は、オンライン情報およびオフライン情報のうち、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。時系列予測部は、データベースに蓄積されたオンライン情報のうち、処理前の水質に関するオンライン情報と、時系列予測モデルとに基づいて、処理前の水質に関するオンライン情報の将来の値を予測する。 The water quality estimation device of the embodiment includes a database, an offline information estimation model storage section, a treated water quality prediction model storage section , an offline information estimation section , a time series prediction model storage section, and a time series prediction section . The database accumulates online information measured by sensors regarding the water quality in the water treatment plant and offline information not measured by the sensors 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 estimating unit estimates offline information about the water quality after treatment based on the online information about the water quality before and after treatment, the offline information estimation model, and the treated water quality prediction model, which are stored in the database. The time-series prediction model storage unit stores a time-series prediction model for predicting online information and offline information regarding water quality before treatment among the online information and offline information. The time series prediction unit predicts the future value of the online information regarding the water quality before treatment based on the online information regarding the water quality before treatment and the time series prediction model from among the online information accumulated in the database.
（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)
A 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 example of the overall configuration of a controlled plant to which the water quality estimating 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 estimating 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. The water is treated and supplied as treated water 7. When this controlled plant 100 is applied as a water supply facility, inflow water 6 from a river is supplied to water distribution plants and consumers as treated water 7, and when applied as a sewage facility, inflow water 6 from a sewage pipe network is supplied. 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。 In order to monitor the water quality in the water and sewage plant 5, the water quality estimating device 10 converts the value of offline information regarding water quality to be acquired offline through analysis into other water quality information measured online by a measuring device 4 such as a sensor. This is a device that estimates based on the value of online information e, generates estimation result information b based on input information a transmitted from the supervisory 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 a manipulation value based on the estimation result information b transmitted from the water quality estimating device 10, generates a manipulation value command c based on the determined manipulation value, and sends the manipulation 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 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. In addition, 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 input information a together with the operation value command c, and the water quality estimating device 10. The online information e may include information regarding the quality of the inflow water 6 before treatment, the quality of the treated water 7 after treatment, and each control device, which are measured by a sensor installed in the plant 100 to be controlled.
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 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 estimating 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 estimating device according to 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 estimating device 10 includes a CPU (Central-Processing Unit), a memory, an auxiliary storage device, etc. connected via a bus (not shown), and executes programs.
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 includes a database 11, a manual analysis result storage section 12, an offline information estimation model storage section 13, a treated water quality prediction model storage section 14, an online information acquisition section 15, and an offline information estimation section 16. , a treated water quality prediction section 17, and an information output section 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 estimating device 10 is implemented by an ASIC (Application Specific Integrated Circuit), a PLD (Programmable Logic Device), or an FPGA (Field-programmable Gate Array). This can be realized using hardware such as . The program may be recorded on a computer-readable recording medium. Computer-readable recording media include, for example, portable media such as flexible disks, magneto-optical disks, ROMs, and CD-ROMs, and storage devices such as hard disks built into computer systems. The program can also be transmitted via telecommunications lines.
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, manual analysis result storage section 12, offline information estimation model storage section 13, and treated water quality prediction model storage section 14 can be configured 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 includes 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 supervisory control system 3, outputs the online information e included in the input information a to the database 11, and stores the online information e in the database 11 in association with time. Let it 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 accumulates the online information e in the database 11 by repeatedly acquiring the online information e at predetermined timing. Note that the online information acquisition unit 15 can acquire not only the current online information e but also 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, time f is set as a column item, and item name g is set as a 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 consisting of columns associated with time f. In the example shown in FIG. 3, time f spans a time range that includes past times (e.g., -p times) to future times (e.g., +p times), and The upper limit of the time (+p time) can be set to be equal to or longer than the residence time in the water and sewage plant 5. The granularity 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。 Item name g is classified into other signals g1, which are signals other than water quality, inflow water quality g2, which relates to the quality of inflow water 6, and treated water quality g3, which relates to the water quality of treated water 7. Inflow water quality g2 is further classified into online information g21 and offline information g21. It is classified as information g22, and treated water quality g3 is similarly classified as online information g31 and offline information g32. All other signals g1 are online information g11. The rows and columns in the 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 in the database 11 into one of online information g11 related to other signals g1, online information g21 related to inflow water quality g2, and online information g31 related to treated water quality g3, , is written in the corresponding column in the recording area W in association with the time f.
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 addition to the value of the online information e from the online information acquisition unit 15, the database 11 includes the value of the offline information estimated by the offline information estimation unit 16, and the future of online information and offline information predicted by the treated water quality prediction unit 17. The value of is written in the corresponding column in the recording area W as appropriate in association with the time f. 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 offline information g22 and g32 regarding the inflow water quality g2 and the treated water quality g3 measured by offline analysis are stored, for example, in a report format, along with measurement times and item names.
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 an offline information estimation model 13a for estimating the value of offline information based on the value of 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 applies theoretical analysis based on physical/chemical reactions, analysis using machine learning, or any of the above based on the values of online information that affect offline information and the results of offline analysis. is generated and stored in the offline information estimation model storage section 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。 A plurality of offline information estimation models 13a may be stored in the offline information estimation model storage unit 13. For example, the offline information estimation model storage unit 13 stores a plurality of different offline information estimation models prepared for each target treated water quality g3. 13a, or 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 stores a treated water quality prediction model 14a for predicting the water quality after treatment, that is, the treated water quality g3 of the treated water 7, based on the water quality before treatment, that is, the inflow water quality g2 of the inflow water 6. 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 generated in advance by applying either a theoretical analysis based on the amount of injected chemicals and physical/chemical reactions, or an analysis based on machine learning, based on the inflow water quality g2. The prediction model storage unit 14 stores the prediction model.
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 number of treated water quality prediction models 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 stores a plurality of different treated water quality prediction models prepared for each target treated water quality g3. 14a, or a plurality of different treated water quality prediction models 14a prepared to predict 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 performs calculations to estimate the values of the offline information g22 and g32 based on the values of the online information g11, g21, and g31 accumulated in the database 11, the offline information estimation model 13a, and the treated water quality prediction model 14a. The resulting value is stored in the database 11 by being written in the corresponding column of the recording area W of the database 11 in association with the time f.
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。 A method for estimating offline information performed by the offline information estimating section 16 will be explained using 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 for 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, in column area A, values of online information g11 of other signals g1 from the past to the present and online information g21 of inflow water quality g2 are written. Further, in column area B belonging to the same time zone as column area A, values of online information g31 of treated water quality g3 from the past to the present are written. However, the values of offline information g22 and g32 corresponding to 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 uses the offline information estimation model 13a, the treated water quality prediction model 14a, the values of online information g11 and g21 written in the column area A of the database 11, and the values of the online information g11 and g21 written in the column area B. Using the value of online information g31 in , is written as an estimated value in the corresponding column in column area C in association with time f. As a result, the estimated value of the offline information g22 is accumulated 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 for 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 offline information g32 belonging to column area 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。 Also when estimating the value of offline information g32 corresponding to a column in column area D that belongs to the same time zone as column areas A and B, the offline information estimation unit 16 estimates the value of online information g11 written in column area A, Using the value of g21 and the value of online information g31 written in column area B, an operation is performed to estimate the value of offline information g32 belonging to column area D, and the resulting value is used as the estimated value. , is written in the corresponding column in column area D in association with time f. As a result, the estimated value of the offline information g32 is accumulated 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 uses the values of the online information g11, g21, and g31 accumulated in the database 11 to perform calculations to estimate the values of the offline information g22 and g32, and the resulting The value can be stored in the database 11 as an estimated value by writing it 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 calculates the online information g31 and offline information of the treated water quality g3 based on the values of the online information g11, g21, g31 and offline information g22, g32 accumulated in the database 11, and the treated water quality prediction model 14a. 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 time f. This prediction method will be explained using FIG. 6.
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 for predicting the 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, column area E contains the value of online information g11 of other signal g1, the value of online information g21 and offline information g22 of inflow water quality g2, and the value of online information g31 of treated water quality g3. It is written in association with time f. Note that the value of the offline information g22 is a value estimated by, for example, the method described in FIG. 4.
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 predicts 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 offline information g22 written in the column area E. A calculation is performed to predict the value, and the resulting value 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 estimating unit 16 and the treated water quality predicting unit 17 cooperate to estimate the value of the offline information g22 of the inflow water quality g2 and predict the values of the online information g31 and offline information g32 of the treated water quality g3. They can also be performed simultaneously. This will be explained using 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 for simultaneously estimating the value of offline information g22 of inflow water quality g2 and predicting the values of online information g31 and offline information g32 of treated water quality g3. It 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 cooperative processing between the offline information estimating section 16 and the treated water quality predicting section 17 to realize 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 calculates the online information g31 and 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 values in the future (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 section 1601 acquires the results of the actual offline analysis of the inflow water quality g2, and outputs this analysis result i to the offline information value generation section 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 to the treated water quality prediction model 14a, and calculates the treated water quality. The future values (for example, up to +p time ahead) of online information g31 and offline information g32 of g3 are predicted. As a result, for example, when offline analysis is performed in the offline analysis unit 1601 every hour, the value j of the offline information g22 is also generated every hour, so the online information g31 and the value j of the treated water quality g3 are generated accordingly. The future value of 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 over time the value j of the offline information g22 generated by the offline information value generation unit 1602 and the future value k of the offline information g32 predicted by the treated water quality prediction model 14a. For example, as described above, when the value j of the offline information g22 is generated every hour, the offline information evaluation unit 1603 evaluates the correlation between the value j of the offline information g22 and 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 determines that there is no variation over time between the value j of the offline information g22 and the future value k of the offline information g32, that is, there is no change over time in the value j of the offline information g22. When determining that there is a correlation between the tendency of It is determined that the value of the parameter used in the formula is 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. 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 variation over time between the value j of the offline information g22 and the future value k of the offline information g32. If the offline information evaluation unit 1603 determines that there is no correlation between the future value k and the trend of change over time, the model update unit 1605 updates the calculation formula used in the offline information value generation unit 1602. An adjustment instruction h for adjusting the value of the parameter being used 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 The value j of the offline information g22 of the inflow water quality g2 is generated again using the calculation formula whose value has been adjusted, and the value j of the offline information g22 of the inflow water quality g2 is generated again, and the value j of the offline information g22 of the inflow water quality g2 is calculated, 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, calculations are performed again to predict future values of the online information g31 and offline information g32 of the treated water quality g3.
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 variation over time 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 parameter values used in the calculation formula of the offline information value generation unit 1602 are appropriate, and uses 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 appropriate, and the value j of the offline information g22 of the inflow water quality g2 is stored in the database. 11, the value of online information g31 is written to the corresponding column in column area H2 of database 11, and the value k of offline information g32 is written to the corresponding column in column area H3 of database 11. Write in the appropriate 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, if the offline information evaluation unit 1603 determines that there is variation over time, the model update unit 1605 outputs the adjustment instruction h again to the offline information value generation unit 1602, and in response to this, the offline information value generation unit After adjusting the adjustment parameters again according to the adjustment instruction h, 1602 generates the value j of the offline information g22 of the inflow water quality g2 again, and performs calculations to predict the future values of the online information g31 and offline information g32 of the treated water quality g3. By repeating a series of processes in which the offline information evaluation unit 1603 determines the presence or absence of variation over time as described above, the estimated value of the offline information g22 of the inflow water quality g2 and The predicted value of the online information g31 and offline information g32 of the treated water quality g3 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 information written in the database 11 (online information g11, g21, g31 and offline information g22, g32) to the user 2 via a communication interface (not shown). The user can display the transmitted information, for example, 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 explained above, according to the water quality estimating device 10 to which the water quality estimating method of the first embodiment is applied, information regarding water quality that cannot be measured online is measured online by the measuring device 4 such as a sensor. Since the water quality information can be estimated using information on water quality, it is possible to obtain information on desired water quality items even in an environment where no sensor is 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 costs related to sensor installation, introduction, and maintenance.
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 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 online information is missing, it becomes possible to predict the future quality of treated water, so it is possible to avoid a situation where the accuracy of predicting the quality of future treated water 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)
A 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 a water quality estimating device according to 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。 Note that in FIG. 9, the same parts as in FIG. 2 are denoted by the same reference numerals as in FIG. 2. Therefore, in the following description, redundant description of the same parts as those in FIG. 2 will be avoided.
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。 A water quality estimation device 10a shown in FIG. 9 has a configuration in which a time series prediction model storage section 19 and a time series prediction section 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 a 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 calculates the future of each of the online information g11 and g21 (for example, from the residence time (up to after +p time) are individually predicted. Furthermore, the future value of the offline information g22 (for example, up to +p time onwards) 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 the future values of the online information g11, g21 and the offline information g22 before processing will be described with reference to FIG. 10.
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, column area I contains the value of online information g11 of other signals g1 measured up to now, and column area J contains the value of online information g21 of 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。 The time series prediction unit 20 uses the time series prediction model 19a to determine the future of the online information g11 of the other signal g1 (for example, +p time onward) is calculated, and the resulting value is written in the corresponding column in the column area 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 calculate the future ( For example, a calculation is performed to predict the value of (up to +p time onwards), and the resulting value is written in the corresponding column in the column area M as the 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。 The time series prediction unit 20 further uses the time series prediction model 19a to determine the future of the offline information g22 of the inflow water quality g2 (for example, from the value of the offline information g22 of the estimated inflow water quality g2 written in the column area K) , +p time onward) is calculated, and the resulting value is written in the corresponding column in the column area N as the 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。 Note that the above describes the predicted value of future online information g11 from the measured value of online information g11, the predicted value of future online information g21 from the measured value of online information g21, and the estimated offline information. In this example, predictions are made for each piece of information on the same item, such as calculating the predicted value of future offline information g22 from g22, but the time series prediction unit 20 uses information on multiple items before processing. It is also possible to predict the future values of these multiple items at the same time. This time series prediction method will be explained using FIG. 11.
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 that is performed simultaneously for a plurality of items.
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 area Q includes the value of the online information g11 of the measured other signal g1, the value of the online information g21 of the measured inflow water quality g2, and the value estimated by the offline information estimation unit 16. The value of 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。 The time series prediction unit 20 uses the time series prediction model 19a to calculate future online information g11, g21 and offline information from the values of online information g11, g21 written in the column area Q and the value of offline information g22. g22 is performed, and the resulting value is written in the corresponding column in the column area 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。 Note that, as described above, the value of offline information can also be estimated by the offline information estimating unit 16 using the predicted values obtained by time-series prediction in this way. This estimation method will be explained using FIG. 12.
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 for estimating the value of offline information using predicted values obtained by 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, in the column area S, as shown in FIG. 10 or 11, measured values are written for online information g11 and g21 from the past to the present time f. When the time f is from the present, the value obtained by the time series prediction calculation by the time series prediction unit 20 is written, and for the offline information g22, when the time f is from the past to the present, the value obtained by the time series prediction calculation by the offline information estimation unit 16 is written. The value already obtained by estimation is written, and if the time f is after the present, the value obtained by the time series prediction calculation by the time series prediction unit 20 is written, and if the time f is in the past, the value obtained by the time series prediction calculation by the time series prediction unit 20 is written. From then until now, 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 values written in the column area S, the offline information estimation model 13a, and the treated water quality prediction model 14a to generate online information g31 of the future treated water quality g3 shown in the column area T. A calculation is performed to estimate the value of , and the resulting value is written into the corresponding column in the column area T in the database 11 as the estimated value.
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。 Note that by using the estimated value of the offline information g32 estimated as explained in FIG. Values can also be calculated over time.
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 explained 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, the inflow water quality g2 Regarding the online information g21 and offline information g22 of , and the online information g31 and offline information g32 of treated water quality g3, it is possible to predict future values that are sufficiently longer than the residence time. Based on the predicted value obtained as a result, it is also possible to take necessary measures in advance, such as determining the chlorine injection rate to be injected into the water and sewage plant 5, for example.
（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)
A 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 a water quality estimating device according to 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。 Note that in FIG. 13, the same parts as in FIG. 9 are denoted by the same reference numerals as in FIG. 9. Therefore, in the following description, redundant description of the same parts as those in FIG. 9 will be avoided.
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 estimating device 10b of the third embodiment has a configuration in which a model determining unit 21 and a model updating unit 22 are added to the water quality estimating device 10a shown in FIG. There are a plurality of offline information estimation models 14a, treated water quality prediction models 14a, and time series prediction models 19a, respectively. Accordingly, 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 a 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 determines the water supply and sewage plant based on online information g11, g21, g31 acquired by the online information acquisition unit 15, operation value information of the water and sewage plant 5, weather information q, etc. 5, an appropriate offline information estimation model 13a, treated water quality prediction model 14a, and time series prediction model 19a are selected from among the plurality of offline information estimation models 13a, treated water quality prediction models 14a, and time series prediction models 19a, respectively. One time series prediction model 19a is determined. As a result, for example, based on the weather information q, it is possible to improve the accuracy of the model calculation results by appropriately switching between the model used during unsteady times such as during rain or dam discharge, and the model used during normal operation. becomes 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 previously predicted online information g21 and g31 stored in the database 11 with the actually measured values of the corresponding online information g21 and g31. The values of the online information g21 and g31 that were actually measured are the correct values, so if the difference between the values of the online information g21 and g31 predicted in the past and the correct value is smaller than a predetermined value, the model will be updated. The unit 22 determines that the parameter value settings of each calculation formula applied in the offline information estimation model 13a, treated water quality prediction model 14a, and time series prediction model 19a used are appropriate. On the other hand, if the difference is larger than the predetermined value, the parameter values of each calculation formula applied in the offline information estimation model 13a, treated water quality prediction model 14a, and 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。 It should be noted that the comparison results may be saved in the created copy by creating a copy of the database 11 each time, or may be saved in any format that allows predictive calculation to be performed again at the time of comparison. The former saves calculation time, and the latter saves storage space. Alternatively, the comparison results may be saved in a format that combines both.
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 explained 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, a plurality of treated water quality prediction models 14a, and a plurality of time series prediction models 19a. In this 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, by comparing the values of online information predicted in the past with the values of online information actually measured, and adjusting the values of parameters in the calculation formula used in the model according to the comparison results, 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 and updating the model, 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 can be performed. , it becomes possible to improve 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 several embodiments of the invention have been described, these embodiments are presented by way of example and are not intended to limit the scope of the invention. These embodiments can be implemented in various other forms, and various omissions, substitutions, and changes can be made without departing from the gist of the invention. These embodiments and their modifications are included within the scope and gist of the invention as well as within the scope of the invention described in the claims and its equivalents.
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 section, 16..Offline information estimation section, 17.. Treated water quality prediction section, 18.. Information output section, 19.. Time series prediction model storage section, 19a.. Time series prediction model, 20.・Time series prediction section, 21.. Model determination section, 22.. Model update section, 100.. Plant to be controlled, 1601.. Offline analysis section, 1602.. Offline information value generation section, 1603.. Offline information evaluation section. , 1604...Evaluation result output unit, 1605...Model update unit
Claims (14)
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、前記処理前および処理後の水質のオンライン情報、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、前記処理後の水質のオフライン情報を推定するオフライン情報推定部と、
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の将来の値を予測する時系列予測部とを備える、水質推定装置。 a database that stores online information measured by a sensor regarding water quality in a water treatment plant and offline information not measured by the sensor regarding other water quality 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;
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;
an offline information estimation unit that estimates offline information about the water quality after treatment based on the online information about the water quality before and after treatment, the offline information estimation model, and the treated water quality prediction model accumulated in the database; and ,
A time-series prediction model storage unit that stores a time-series prediction model for predicting the online information and the offline information regarding the water quality before treatment among the online information and the offline information;
When predicting the future value of the online information regarding the pre-treatment water quality based on the online information regarding the pre-treatment water quality among the online information accumulated in the database and the time-series prediction model. A water quality estimation device comprising a series prediction unit .
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、前記処理前および処理後の水質のオンライン情報に基づいて、前記処理後の水質のオフライン情報を推定する工程と、
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工程と、
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の将来の値を予測する工程とを含む、水質推定方法。 accumulating online information measured by a sensor regarding water quality in a water treatment plant and offline information not measured by the sensor regarding other water quality 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; estimating offline information of the water quality after treatment based on the online information of the water quality before and after treatment accumulated in the database ;
Storing a time series prediction model for predicting the online information and the offline information regarding the water quality before treatment among the online information and the offline information;
of the online information accumulated in the database, predicting future values of the online information regarding the pre-treatment water quality based on the online information regarding the pre-treatment water quality and the time-series prediction model; Water quality estimation method, including .
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、前記処理前および処理後の水質のオンライン情報に基づいて、前記処理後の水質のオフライン情報を推定する機能、
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機能、
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の将来の値を予測する機能を、プロセッサに実現させるためのプログラム。 A function of accumulating in a database online information regarding water quality in a water treatment plant measured by a sensor, and offline information regarding other water quality different from the water quality not measured by the sensor, 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; a function of estimating offline information of the water quality after treatment based on online information of the water quality before and after treatment accumulated in the database ;
A function of storing a time series prediction model for predicting the online information and the offline information regarding the water quality before treatment among the online information and the offline information;
A function of predicting future values of the online information regarding the pre-treatment water quality based on the online information regarding the pre-treatment water quality among the online information accumulated in the database and the time-series prediction model. A program that allows a processor to realize this.
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 JP2021086375A (en) | 2021-06-03 |
| JP7451154B2 true 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) |
Families Citing this family (1)
| 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)
| 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 |
-
2019
- 2019-11-27 JP JP2019214558A patent/JP7451154B2/en active Active
Patent Citations (4)
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2021086375A (en) | 2021-06-03 |
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 | |
| US10521490B2 (en) | Equipment maintenance management system and equipment maintenance management method | |
| US11574192B2 (en) | Controller training based on historical data | |
| JP6896432B2 (en) | Failure prediction method, failure prediction device and failure prediction program | |
| CN102763048B (en) | Using adaptability prediction algorithm and when determine the method and apparatus of using adaptability prediction algorithm in virtual measurement | |
| JP2020522800A (en) | Computer system and method for online construction and deployment of predictive inference models | |
| JP2019521444A5 (en) | ||
| EP3380948B1 (en) | Environmental monitoring systems, methods and media | |
| US20120296605A1 (en) | Method, computer program, and system for performing interpolation on sensor data for high system availability | |
| SG188534A1 (en) | System and method for water distribution modelling | |
| KR102225370B1 (en) | Prediction system based on parameter improvement through learning and method thereof | |
| JP7201844B2 (en) | Fault prediction using gradient-based sensor identification | |
| US20060184255A1 (en) | Adaptive sensor model | |
| JP4512074B2 (en) | Energy demand forecasting method, forecasting device, program and recording medium | |
| CN109716090B (en) | Improved system for estimating water flow at subnet boundaries of water distribution network | |
| Chen et al. | Soft sensor model maintenance: A case study in industrial processes | |
| JP7451154B2 (en) | Water quality estimation devices, methods, and programs | |
| Xu et al. | ORION: Online Regularized multI-task regressiON and its application to ensemble forecasting | |
| JP6834295B2 (en) | State predictor | |
| JP5104567B2 (en) | Energy demand forecasting device | |
| JP7478019B2 (en) | Prediction device, prediction system, prediction method, and program | |
| JP5077831B2 (en) | Plant control system and plant control method | |
| KR20190015415A (en) | Model-based decision of system state by dynamic system | |
| JP2016211877A (en) | Flow-in amount of wastewater measuring device | |
| JP7380874B2 (en) | Planner device, planning method, planning program recording medium, learning device, learning method, and learning program recording medium |
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 |