KR20140117959A - 하수처리장 유출수질의 상태에 대한 원인인자 제공장치 및 방법 - Google Patents

하수처리장 유출수질의 상태에 대한 원인인자 제공장치 및 방법 Download PDF

Info

Publication number
KR20140117959A
KR20140117959A KR1020130032963A KR20130032963A KR20140117959A KR 20140117959 A KR20140117959 A KR 20140117959A KR 1020130032963 A KR1020130032963 A KR 1020130032963A KR 20130032963 A KR20130032963 A KR 20130032963A KR 20140117959 A KR20140117959 A KR 20140117959A
Authority
KR
South Korea
Prior art keywords
data
water quality
decision tree
treatment plant
sewage treatment
Prior art date
Application number
KR1020130032963A
Other languages
English (en)
Inventor
김창원
김예진
김효수
김민수
이승훈
박문화
Original Assignee
부산대학교 산학협력단
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 부산대학교 산학협력단 filed Critical 부산대학교 산학협력단
Priority to KR1020130032963A priority Critical patent/KR20140117959A/ko
Priority to PCT/KR2013/002573 priority patent/WO2014157750A1/ko
Publication of KR20140117959A publication Critical patent/KR20140117959A/ko

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F11/00—Treatment of sludge; Devices therefor
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F1/00—Treatment of water, waste water, or sewage
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00—Controlling or monitoring parameters in water treatment
    • C02F2209/001—Upstream control, i.e. monitoring for predictive control
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00—Controlling or monitoring parameters in water treatment
    • C02F2209/003—Downstream control, i.e. outlet monitoring, e.g. to check the treating agents, such as halogens or ozone, leaving the process
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00—Controlling or monitoring parameters in water treatment
    • C02F2209/005—Processes using a programmable logic controller [PLC]
    • C02F2209/006—Processes using a programmable logic controller [PLC] comprising a software program or a logic diagram
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00—Controlling or monitoring parameters in water treatment
    • C02F2209/40—Liquid flow rate

Abstract

본 발명은 하수처리장의 유출수질은 유입수의 유량 및 성상의 변동과 기온, 강우 등의 환경적인 요인의 변화를 포함하는 외적인 원인인자와 그에 대응하여 유출수질을 안정하게 유지하기 위한 운전자의 운전방안이 포함된 내적인 원인인자의 복합적인 결과물로서, 어떠한 일련의 바람직하지 못한 유출수질 상태가 발생하였을 경우 기존에 측정된 공정의 외적, 내적인 원인인자와 유출수질의 인과관계의 기록인 누적데이터로부터 그 유형과 패턴을 추출하여 당면한 유출수질의 원인이 어디에 있는지를 파악하여 운전자에게 제공할 수 있는 하수처리장 유출수질의 상태에 대한 원인인자 제공장치 및 방법에 관한 것이다.
본 발명에 의하면, 하수처리장의 유출수질의 상태에 대한 원인인자의 제공에 필요한 유입/유출 수질 데이터 및 공정운영 데이터를 수집하는 데이터수집부; 상기 데이터수집부에 의해 수집된 데이터를 일정시간 간격으로 세트화시켜 가공하는 데이터가공부; 사전에 준비된 판별함수를 이용하여 상기 가공된 데이터 중 유출수질 데이터의 공정상태를 판별하는 공정상태판별부; 상기 판별된 공정상태에 대하여 사전에 준비된 의사결정나무 알고리즘을 적용하여 의사결정나무를 구성하는 규칙들 중 해당되는 규칙을 탐색하는 의사결정나무적용부; 및 상기 의사결정나무적용부에 의해 탐색된 규칙을 구성하고 있는 공정운영 데이터 및 유입/유출수질 데이터를 기준으로 하수처리장의 유출수질의 상태에 대한 원인인자를 판단하여 운전자에게 제공하는 공정상태 원인인자제공부;를 포함하되, 상기 공정운영 데이터는 하수처리장의 폭기량, 슬러지폐기량, 슬러지반송량, 약품주입량, 침전능 및 반응조 내 부유물질 농도 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 하수처리장 유출수질의 상태에 대한 원인인자 제공장치를 제공한다.

Description

하수처리장 유출수질의 상태에 대한 원인인자 제공장치 및 방법{Apparatus and method for provide of causative factors for stage of outflow water of wastewater treatment plant}
본 발명은 하수처리장 유출수질의 상태에 대한 원인인자 제공장치 및 방법에 관한 것이다. 보다 상세하게 설명하면, 하수처리장의 유출수질은 유입수의 유량 및 성상의 변동과 기온, 강우 등의 환경적인 요인의 변화를 포함하는 외적인 원인인자와 그에 대응하여 유출수질을 안정하게 유지하기 위한 운전자의 운전방안이 포함된 내적인 원인인자의 복합적인 결과물로서, 어떠한 일련의 바람직하지 못한 유출수질 상태가 발생하였을 경우 기존에 측정된 공정의 외적, 내적인 원인인자와 유출수질의 인과관계의 기록인 누적데이터로부터 그 유형과 패턴을 추출하여 당면한 유출수질의 원인이 어디에 있는지를 파악하여 운전자에게 제공할 수 있는 하수처리장 유출수질의 상태에 대한 원인인자 제공장치 및 방법에 관한 것이다.
생물학적 하수처리시설은 유입수에 포함되어 있는 제거대상물질인 유기물, 질소 및 인을 활성슬러지에 의해 제거하는 공정으로서, 공정의 성능은 매 시간마다 변하는 하수처리장 유입수 유량과 유입수에 포함되어 있는 수질항목들의 농도에 대응하여 운전자가 효율적으로 취해주는 운전조건의 변화 및 유지를 위한 동작에 따라 결정된다. 공정 운전자는 이러한 동작을 운전자의 경험적 지식 내에 존재하는 노하우에 의해 결정하여 실행에 옮기게 되는데, 이때 어떠한 유출수질 상황에 처했을때 어떠한 운전변수를 수정하여 공정을 안정하게 유지하는가에 대한 지식은 매우 주관적이어서, 인터뷰나 문헌조사를 통해서 추출하고자 하여도 쉽사리 객관화되지 않아 가시화된 문서나 무형의 규칙으로 추출되기 어렵다. 여기서 어떠한 유출수질 상태에 처했는지를 판단하는 과정과 그 상태가 어떠한 원인인자에 기인하는 것인지를 탐색하는 과정을 하수처리공정 진단이라고 칭한다.
또한, 공정의 유출수질은 하수처리장의 유입수의 변동이나 기온 및 강우와 같은 외적인 요인과 공정의 운전변수의 복합적인 결과물이어서, 미숙한 운전자로서는 당면한 유출수질의 가장 유력한 원인이 어디에 있는지를 알아내기란 쉽지 않다. 만일 당면한 유출수질의 원인이 어떠한 구체적인 공정 외적인 원인과 내적인 원인들의 조합인지를 알아내어 운전자에게 제공할 수 있다면, 운전다는 이를 바탕으로 운전변수의 수정을 수행하여 공정을 보다 안정한 상태로 유지할 수 있을 것이다.
이러한 하수처리장 공정의 진단 또는 운영방법은 그 동안 복잡한 수학적 모델링을 요하는 경우가 대부분이었다. 그 목적은 공정 운전자에게 어떠한 운전변수를 얼마만큼 변화시킬지를 모델 시뮬레이션을 통해 제공해 주기 위함이었다. 그러나 이러한 모델이 대상 공정의 거동을 잘 모사하게 되기까지는 모델의 계수값 최적화를 위한 데이터 수집과 계수 최적화 단계가 필수적으로 요구되며, 모델의 최적화 정도에 따라 그 운전변수의 변화량과 그에 따른 공정 성능의 변화를 운전자에게 제공함에 있어 그 정확도가 달라져 현장 적용을 위한 신뢰성 획득이 힘든 상황이었다.
공정 운전자는 좋지 않은 유출수질을 발견하였을 때, 당면한 유출수질과 공정 성능의 원인이 직접 제어하기 힘든 공정 외적인 인자들에 의한 것인지, 혹은 충분히 외란의 영향감소를 수행할 수 있는 상황임에도 어떠한 운전변수가 주로 현재의 유출수질에 주된 원인으로 작용하였는지를 알고 싶어 할 것이다.
이러한 점에서, 공정의 현재 상태에 주된 원인으로 작용하는 공정 내적, 외적 인자를 제공해 주는 공정 운영지원시스템 및 방법에 대한 개발이 시급한 상황이다.
국내등록특허 제10-1237444호
본 발명은 이와 같은 문제점을 해결하기 위해 안출된 것으로서, 본 발명은 하수처리장의 유출수질은 유입수의 유량 및 성상의 변동과 기온, 강우 등의 환경적인 요인의 변화를 포함하는 외적인 원인인자와 그에 대응하여 유출수질을 안정하게 유지하기 위한 운전자의 운전방안이 포함된 내적인 원인인자의 복합적인 결과물로서, 어떠한 일련의 바람직하지 못한 유출수질 상태가 발생하였을 경우 기존에 측정된 공정의 외적, 내적인 원인인자와 유출수질의 인과관계의 기록인 누적데이터로부터 그 유형과 패턴을 추출하여 당면한 유출수질의 원인이 어디에 있는지를 파악하여 운전자에게 제공할 수 있는 하수처리장 유출수질의 상태에 대한 원인인자 제공장치 및 방법을 제공하는데 그 목적이 있다.
또한 본 발명은 유출수질의 상태에 대한 원인인자의 탐색과정이 사전에 정의 된 일련의 알고리즘에 의해 자동으로 도출되도록 하여 인적자원에 의존하지 않고 객관적인 원인인자의 도출 및 제공이 가능하도록 하여 운전자에게 객관적 의사결정지원을 제공할 수 있는 하수처리장 유출수질의 상태에 대한 원인인자 제공장치 및 방법을 제공하는데 그 목적이 있다.
본 발명에 의하면, 하수처리장의 유출수질의 상태에 대한 원인인자의 제공에 필요한 유입/유출 수질 데이터 및 공정운영 데이터를 수집하는 데이터수집부; 상기 데이터수집부에 의해 수집된 데이터를 일정시간 간격으로 세트화시켜 가공하는 데이터가공부; 사전에 준비된 판별함수를 이용하여 상기 가공된 데이터 중 유출수질 데이터의 공정상태를 판별하는 공정상태판별부; 상기 판별된 공정상태에 대하여 사전에 준비된 의사결정나무 알고리즘을 적용하여 의사결정나무를 구성하는 규칙들 중 해당되는 규칙을 탐색하는 의사결정나무적용부; 및 상기 의사결정나무적용부에 의해 탐색된 규칙을 구성하고 있는 공정운영 데이터 및 유입/유출수질 데이터를 기준으로 하수처리장의 유출수질의 상태에 대한 원인인자를 판단하여 운전자에게 제공하는 공정상태 원인인자제공부;를 포함하되, 상기 공정운영 데이터는 하수처리장의 폭기량, 슬러지폐기량, 슬러지반송량, 약품주입량, 침전능 및 반응조 내 부유물질 농도 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 하수처리장 유출수질의 상태에 대한 원인인자 제공장치를 제공한다.
한편, 상기 공정상태판별부는 상기 데이터수집부 또는 별도의 데이터베이스로부터 일정구간의 유출수질의 BOD, COD, SS, TN, TP의 데이터를 수집하여 일정시간 간격으로 세트화시켜 가공하는 데이터준비부; 상기 데이터준비부에 의해 가공된 데이터들에 대해 계층적 군집분석법을 이용하여 가장 가까운 데이터셋으로부터 군집화하여 계층적으로 모든 데이터들을 군집화하여 유출수질의 유형을 그루핑하는 유출수질그루핑부; 및 상기 그루핑된 유출수질의 유형에 대하여 새로운 유출수질의 데이터가 어떠한 유형에 속하는지를 판별하기 위한 수단으로 사용될 판별함수를 Fisher의 선형 판별분석을 이용하여 도출하는 판별함수도출부;를 포함하되, 상기 공정상태판별부는 상기 판별함수도출부에 의해 도출된 판별함수를 이용하여 상기 가공된 데이터 중 유출수질 데이터의 공정상태를 판별하는 것을 특징으로 한다.
한편, 상기 의사결정나무는 상기 그루핑된 유출수질에 대해 개별적으로 의사결정나무 알고리즘에 의해 생성되며, 상기 의사결정나무 알고리즘은 아래의 수식에 의해 도출되는 것을 특징으로 한다.
Figure pat00001
(여기서, Pi는 S가 i분류에 속하는 분율이며, A는 한 변수, Sv는 변수 A가 v라는 값을 가질 때의 S의 부분집합을 말함.)
한편, 상기 공정상태 원인인자제공부는 상기 의사결정나무적용부에 의해 탐색된 규칙을 구성하고 있는 공정운영 데이터 및 유입/유출수질 데이터 중 상기 공정운영 데이터는 하수처리장의 공정 내적인 원인인자로 분류하고, 상기 유입/유출수질 데이터는 하수처리장의 공정 외적인 원인인자로 분류하여 하수처리장의 유출수질의 상태에 대한 원인인자가 상기 공정 내적인 원인인자인지 아니면 상기 공정 외적인 원인인자인지를 판단하여 운전자에게 제공하여 주는 것을 특징으로 한다.
또한 본 발명에 의하면, 하수처리장으로부터 유출수질의 상태에 대한 원인인자의 제공에 필요한 유입/유출 수질 데이터 및 공정운영 데이터를 입력받는 데이터 입력단계; 상기 입력된 데이터를 일정시간 간격으로 세트화시켜 가공하는 데이터 가공단계; 사전에 준비된 판별함수를 이용하여 상기 가공된 데이터 중 유출수질 데이터의 공정상태를 판별하는 공정상태 판별단계; 상기 판별된 공정상태에 대하여 사전에 준비된 의사결정나무 알고리즘을 적용하여 의사결정나무를 구성하는 규칙들 중 해당되는 규칙을 탐색하는 의사결정나무 적용단계; 및 상기 탐색된 규칙을 구성하고 있는 공정운영 데이터 및 유입/유출수질 데이터를 기준으로 하수처리장의 유출수질의 상태에 대한 원인인자를 판단하여 운전자에게 제공하는 공정상태 원인인자제공단계;를 포함하되, 상기 공정운영 데이터는 하수처리장의 폭기량, 슬러지폐기량, 슬러지반송량, 약품주입량, 침전능 및 반응조 내 부유물질 농도 중 적어도 하나 이상을 포함하는 것을 특징으로 한다.
한편, 상기 공정상태 판별단계는 데이터수집부 또는 별도의 데이터베이스로부터 일정구간의 유출수질의 BOD, COD, SS, TN, TP의 데이터를 수집하여 일정시간 간격으로 세트화시켜 가공하여 상기 가공된 데이터들에 대해 계층적 군집분석법을 이용하여 가장 가까운 데이터셋으로부터 군집화하여 계층적으로 모든 데이터들을 군집화하여 유출수질의 유형을 그루핑하며, 상기 그루핑된 유출수질의 유형에 대하여 새로운 유출수질의 데이터가 어떠한 유형에 속하는지를 판별하기 위한 수단으로 사용될 판별함수를 Fisher의 선형 판별분석을 이용하여 도출한 후, 상기 도출된 판별함수를 이용하여 상기 가공된 데이터 중 유출수질 데이터의 공정상태를 판별하는 것을 특징으로 한다.
한편, 상기 의사결정나무는 상기 그루핑된 유출수질에 대해 개별적으로 의사결정나무 알고리즘에 의해 생성되며, 상기 의사결정나무 알고리즘은 아래의 수식에 의해 도출되는 것을 특징으로 한다.
Figure pat00002
(여기서, Pi는 S가 i분류에 속하는 분율이며, A는 한 변수, Sv는 변수 A가 v라는 값을 가질 때의 S의 부분집합을 말함.)
한편, 상기 공정상태 원인인자제공단계는 상기 의사결정나무 적용단계에서 탐색된 규칙을 구성하고 있는 공정운영 데이터 및 유입/유출수질 데이터 중 상기 공정운영 데이터는 하수처리장의 공정 내적인 원인인자로 분류하고, 상기 유입/유출수질 데이터는 하수처리장의 공정 외적인 원인인자로 분류하여 하수처리장의 유출수질의 상태에 대한 원인인자가 상기 공정 내적인 원인인자인지 아니면 상기 공정 외적인 원인인자인지를 판단하여 운전자에게 제공하여 주는 것을 특징으로 한다.
본 발명은 하수처리장 운영에 있어서의 현재 당면한 유출수질의 원인인자 탐색을 통한 공정의 운영지원을 수행할 수 있으며, 하수처리장의 공정운영에 있어 간단하며 핵심적인 공정 원인인자를 제공할 수 있고, 이러한 원인인자의 탐색과정이 사전에 정의된 일련의 알고리즘에 의해 자동으로 도출되도록 하여 인적자원에 의존하지 않고 객관적인 원인인자의 도출 및 제공이 가능한 효과가 있다.
또한 본 발명은 공정의 외적 원인인자(유입수질 및 유량의 변화 혹은 기상조건의 변화)에 의해 크게 영향을 받은 건인지 아니면 공정의 내적 원인인자에 의해 영향을 받은 것인지를 구분할 수 있어 하수처리장뿐만 아니라 하수관거를 통해 수집되는 하수의 성상과, 하수처리장의 운영, 그리고 방류수계의 수질관리를 통합적으로 수행할 경우 하수처리장의 운영을 개선할 것인가의 여부를 명확히 할 수 있는 효과가 있다.
도 1은 본 발명의 실시예에 따른 하수처리장 유출수질의 상태에 대한 원인인자 제공장치를 나타내는 구성도이다.
도 2는 본 발명의 실시예에 따른 하수처리장 유출수질의 상태에 대한 원인인자 제공방법을 나타내는 순서도이다.
도 3은 본 발명의 실시예에 따라 도출되는 원인인자에 관한 규칙들로 구성되는 의사결정나무의 일례를 나타내는 도면이다.
이하, 본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 우선 각 도면의 구성요소들에 참조번호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
도 1은 본 발명의 실시예에 따른 하수처리장 유출수질의 상태에 대한 원인인자 제공장치를 나타내는 구성도이고, 도 2는 본 발명의 실시예에 따른 하수처리장 유출수질의 상태에 대한 원인인자 제공방법을 나타내는 순서도이고, 도 3은 본 발명의 실시예에 따라 도출되는 원인인자에 관한 규칙들로 구성되는 의사결정나무의 일례를 나타내는 도면이다.
도 1을 참조하면, 본 발명에 의한 하수처리장 유출수질의 상태에 대한 원인인자 제공장치(10)는 데이터수집부(100), 데이터가공부(200), 공정상태판별부(300), 의사결정나무적용부(400) 및 공정상태 원인인자제공부(500)를 포함한다.
상기 데이터수집부(100)는 하수처리장의 유출수질의 상태에 대한 원인인자의 제공에 필요한 유입/유출 수질 데이터 및 공정운영 데이터를 수집하는 역할을 한다. 상기 유입/유출 수질 데이터는 유입/유출유량과 유입/유출성분농도(BOD5, CODMn, SS, TN, TP 등)를 포함한다. 좀 더 구체적으로 살펴보면 상기 유입/유출 수질 데이터는 통상적으로 1일 1회 측정되어 기록되거나, 1일 수회 측정되어 그 결과의 평균값으로서 1일에 1개의 값으로 존재하는 하수처리장의 유입수와 유출수의 모든 수질항목들과 유입유량의 기록된 데이터를 말한다. 상기 유입/유출 수질 데이터는 하수처리장의 처리성능에 영향을 줄 수 있는 기온, 수온, 강우, 일조량, 습도 등의 기상인자를 포함할 수 있다.
상기 공정운영 데이터는 하수처리장의 폭기량, 슬러지폐기량, 슬러지반송량, 약품주입량, 침전능 및 반응조 내 부유물질 농도 중 적어도 하나 이상을 포함한다. 좀 더 구체적으로 살펴보면, 공정운영 데이터는 통상적으로 1일 1회 운전자에 의해 수정되어 공정에 적용되며, 그 결과가 기록으로서 존재하는 하수처리장의 운전인자로서 통상적으로 폭기량, 반응조의 DO농도, 슬러지반송량, 슬러지폐기량, 침전능(SVI, SV30) 중 하나 이상을 포함하는 운전인자의 기록된 결과물을 말한다.
상기 데이터가공부(200)는 상기 데이터수집부(100)에 의해 수집된 데이터를 일정시간 간격으로 세트화시켜 가공하는 역할을 한다. 상기 데이터가공부(200)는 서로 상이한 시간간격으로 수집된 데이터를 일일 혹은 일주일에 1개의 대표값으로 존재하도록 평균화하거나 아니면 기타 대표값을 선정하는 각종 통계적 방법에 의하여 가공하여 일정 시간간격으로 수집된 데이터가 세트화되어 존재하도록 하는 것을 의미한다.
상기 공정상태판별부(300)는 사전에 준비된 판별함수를 이용하여 상기 가공된 데이터 중 유출수질 데이터의 공정상태를 판별하는 역할을 한다. 즉, 상기 공정상태판별부(300)는 계층적 군집분석법에 의하여 도출된 유출수질의 상태유형과, 각 유형별로 도출되어 존재하는 판별함수를 활용하여 현재 당면한 유출수질이 어떠한 상태에 속하는지를 판별하는 것이다.
좀 더 구체적으로 살펴보면, 상기 공정상태판별부(300)는 데이터준비부(310), 유출수질그루핑부(320) 및 판별함수도출부(330)를 포함한다. 상기 데이터준비부(310)는 데이터수집부(100) 또는 별도의 데이터베이스로부터 일정구간의 유출수질의 BOD, COD, SS, TN, TP의 데이터를 수집하여 일정시간 간격으로 세트화시켜 가공하는 역할을 한다. 상기 유출수질그루핑부(320)는 상기 데이터준비부(310)에 의해 가공된 데이터들에 대해 계층적 군집분석법을 이용하여 가장 가까운 데이터셋으로부터 군집화하여 계층적으로 모든 데이터들을 군집화하여 유출수질의 유형을 그루핑하는 역할을 한다. 상기 판별함수도출부(330)는 상기 그루핑된 유출수질의 유형에 대하여 새로운 유출수질의 데이터가 어떠한 유형에 속하는지를 판별하기 위한 수단으로 사용될 판별함수를 Fisher의 선형 판별분석을 이용하여 도출하는 역할을 한다. 따라서 상기 공정상태판별부(300)는 상기 판별함수도출부(330)에 의해 도출된 판별함수를 이용하여 상기 가공된 데이터 중 유출수질 데이터의 공정상태를 판별하게 된다.
상기에서 언급된 계층적 군집분석법은 Ward가 제안한 거리계산법을 사용하여 각 데이터셋 간의 거리계산을 모두 수행하여 가장 가까운 거리를 가지는 데이터셋들을 묶어 나가거나 거리가 먼 데이터셋을 배제하여 나가는 방식으로 군집화를 수행하는 방법이다. 데이터셋을 묶어 그룹화한 덴드로그램을 분석함으로서 데이터를 군집화하고자 하는 자는 덴드로그램을 파악하여 군집의 개수를 결정하게 된다. 도출된 군집은 군집 내에 포함되어 있는 데이터셋들의 특성(각 수질항목들의 농도 범위, 평균 및 표준편차 등)을 파악함으로써 군집 별로 어떠한 수질 유형인지를 할당하게 된다.
상기 의사결정나무적용부(400)는 상기 판별된 공정상태에 대하여 사전에 준비된 의사결정나무 알고리즘을 적용하여 의사결정나무를 구성하는 규칙들 중 해당되는 규칙을 탐색하는 역할을 한다. 즉, 상기 의사결정나무적용부(400)는 공정상태판별부(300)로부터 탐색된 현재 당면한 유출수질의 상태 각각에 대하여 사전에 준비되어 존재하는 의사결정나무에 현재의 유입수질 및 환경인자, 공정운영 데이터를 적용하여 의사결정나무를 구성하는 다양한 규칙 중 어느 규칙에 해당하는지를 파악한다.
좀 더 자세히 살펴보면, 상기 의사결정나무는 상기 그루핑된 유출수질에 대해 개별적으로 의사결정나무 알고리즘에 의해 생성되며, 상기 의사결정나무 알고리즘은 아래의 수식에 의해 도출된다.
Figure pat00003
(여기서, Pi는 S가 i분류에 속하는 분율이며, A는 한 변수, Sv는 변수 A가 v라는 값을 가질 때의 S의 부분집합을 말함.)
상기 의사결정나무는 그루핑된 수질 유형의 종류별로 데이터를 다시 재정렬하여, 입력 변수를 유입수 수질인자와 유입수 유량 및 운전이력변수들로 설정하여 향후 생성될 규칙의 분류기준으로서 작용하도록 하고, 분류하고자 하는 목표변수를 한가지 이상의 수질 유형으로 하는 규칙들의 집합체로서 존재한다. 상기 의사결정나무에서 생성된 규칙은 목표하고자 하는 대상이 좋다/나쁘다/보통이다 등의 분류 중 어디에 해당하는지를 알아보기 위한 기존의 일반적인 의사결정나무들과는 달리 하나의 유출수질 상태에 대하여 어떠한 원인들로 구성되는 경우의 수가 존재하는지를 도출해 내어 줄 수 있는 규칙으로 그 차별성이 존재하며, 목표 유출수질 상태의 1개 혹은 2개의 조합에 대하여 하나의 의사결정나무가 생성되도록 하는 것이 바람직하다.
상기 공정상태 원인인자제공부(500)는 상기 의사결정나무적용부(400)에 의해 탐색된 규칙을 구성하고 있는 공정운영 데이터 및 유입/유출수질 데이터를 기준으로 하수처리장의 유출수질의 상태에 대한 원인인자를 판단하여 운전자에게 제공하는 역할을 한다. 따라서 상기 공정상태 원인인자제공부(500)는 상기 의사결정나무적용부(400)에 의해 탐색된 규칙을 구성하고 있는 공정운영 데이터 및 유입/유출수질 데이터 중 상기 공정운영 데이터는 하수처리장의 공정 내적인 원인인자로 분류하고, 상기 유입/유출수질 데이터는 하수처리장의 공정 외적인 원인인자로 분류하여 하수처리장의 유출수질의 상태에 대한 원인인자가 상기 공정 내적인 원인인자인지 아니면 상기 공정 외적인 원인인자인지를 판단하여 운전자에게 제공하여 준다.
도 2를 참조하여 본 발명에 의한 하수처리장 유출수질의 상태에 대한 원인인자 제공방법을 설명하면 다음과 같다.
제 1단계는 하수처리장으로부터 유출수질의 상태에 대한 원인인자의 제공에 필요한 유입/유출 수질 데이터 및 공정운영 데이터를 입력받는 데이터 입력단계이다(S110).
제 2단계는 상기 입력된 데이터를 일정시간 간격으로 세트화시켜 가공하는 데이터 가공단계이다(S120).
제 3단계는 사전에 준비된 판별함수를 이용하여 상기 가공된 데이터 중 유출수질 데이터의 공정상태를 판별하는 공정상태 판별단계이다(S130). 상기 공정상태 판별단계(S130)는 데이터수집부(100) 또는 별도의 데이터베이스로부터 일정구간의 유출수질의 BOD, COD, SS, TN, TP의 데이터를 수집하여 일정시간 간격으로 세트화시켜 가공하여 상기 가공된 데이터들에 대해 계층적 군집분석법을 이용하여 가장 가까운 데이터셋으로부터 군집화하여 계층적으로 모든 데이터들을 군집화하여 유출수질의 유형을 그루핑하며, 상기 그루핑된 유출수질의 유형에 대하여 새로운 유출수질의 데이터가 어떠한 유형에 속하는지를 판별하기 위한 수단으로 사용될 판별함수를 Fisher의 선형 판별분석을 이용하여 도출한 후, 상기 도출된 판별함수를 이용하여 상기 가공된 데이터 중 유출수질 데이터의 공정상태를 판별한다.
제 4단계는 상기 판별된 공정상태에 대하여 사전에 준비된 의사결정나무 알고리즘을 적용하여 의사결정나무를 구성하는 규칙들 중 해당되는 규칙을 탐색하는 의사결정나무 적용단계이다(S140). 상기 의사결정나무는 상기 그루핑된 유출수질에 대해 개별적으로 의사결정나무 알고리즘에 의해 생성되며, 상기 의사결정나무 알고리즘은 아래의 수식에 의해 도출되는 것을 특징으로 한다.
Figure pat00004
(여기서, Pi는 S가 i분류에 속하는 분율이며, A는 한 변수, Sv는 변수 A가 v라는 값을 가질 때의 S의 부분집합을 말함.)
제 5단계는 상기 탐색된 규칙을 구성하고 있는 공정운영 데이터 및 유입/유출수질 데이터를 기준으로 하수처리장의 유출수질의 상태에 대한 원인인자를 판단하여 운전자에게 제공하는 공정상태 원인인자제공단계이다(S150). 상기 공정상태 원인인자제공단계(S150)는 상기 의사결정나무 적용단계(S140)에서 탐색된 규칙을 구성하고 있는 공정운영 데이터 및 유입/유출수질 데이터 중 상기 공정운영 데이터는 하수처리장의 공정 내적인 원인인자로 분류하고, 상기 유입/유출수질 데이터는 하수처리장의 공정 외적인 원인인자로 분류하여 하수처리장의 유출수질의 상태에 대한 원인인자가 상기 공정 내적인 원인인자인지 아니면 상기 공정 외적인 원인인자인지를 판단하여 운전자에게 제공하여 준다.
이하, 실시예를 기준으로 본 발명에서 언급하는 하수처리장 유출수질의 상태에 대한 원인인자 제공방법을 설명하기로 한다.
본 실시예에서는 해당 하폐수처리장의 유출수질의 유형을 도출하고 그 원인인자를 탐색하여 제공하기 위하여 하수처리장의 1일 1개 측정값의 유입수질과 1시간 당 1회 측정되는 유출수질의 값, 그리고 1일 1회 측정되어 기록되는 운전변수의 값을 수집하여 데이터 가공을 하였는 바, 이는 수집된 데이터를 1일 1 개의 데이터 셋으로 존재하도록 24 개의 유출수질 측정값을 일일평균으로 존재하게 하여 1일 1 데이터 셋으로 존재하도록 하였다.
해당 하수처리장에 존재해 왔던 유출수질의 유형을 추출하기 위하여 누적되어온 과거 데이터들 중 일정 구간의 데이터를 선별하여 1일 1데이터 셋으로 존재하도록 준비하고, 이를 계층적 군집분석을 통하여 유형을 그룹핑하였다. 원칙적으로 계층적 군집분석의 결과를 데이터 분석자가 판단하여 그룹의 개수를 주관적으로 지정하여 줄 수 있으나 본 발명에서는 5개에서 7개 사이의 그룹 수가 바람직한 것으로 설정하여 데이터 분석자의 주관적 개입 없이 발명 기술이 실시될 수 있도록 하였다. 아래 [표 1]은 5개-7개 군집갯수 지정시 작은 군집갯수로 결정하고자 할 때 5개의 군집이 존재하였던 이유로 선정된 해당 하수처리장의 5개의 수질항목의 평균값을 나타내고 있다.

항목
군집
BOD
COD
SS
TN
TP


5		 1 1.7877 7.8802 3.0387 11.1056 1.1957
2 2.9679 8.3069 4.0626 11.7548 1.4858
3 2.5552 7.7299 4.2388 9.7709 1.2188
4 1.6517 6.8542 3.2975 7.2424 0.9602
5 1.3296 6.8516 3.3157 8.4893 1.5432
또한, 위 평균값을 바탕으로 하여 각 유출수질 유형에 일련의 특징을 부여할 수 있는데 그것은 아래 [표 2]와 같다.
Figure pat00005
위와 같이 도출된 1 ~ 5까지의 각 유형에 대하여 새로운 데이터셋이 발생할 때 어느 유형에 속하는지를 간단하게 판정할 수 있는 판별함수를 도출할 수 있다. 즉, 본 발명에서는 계층적 군집분석에 의해 분류된 그룹을 외적 기준으로 두고, Fisher의 선형 판별분석을 통해 분류된 각 그룹에 대한 함수식 즉, 판별 함수식을 도출하였다.
도출된 판별 함수식은 새로운 데이터 셋이 주어졌을 때, 각 그룹의 판별함수식을 통해 계산된 값의 크기 비교를 통해 가장 큰 값을 나타내는 그룹에 해당한다는 결론을 도출하게 함으로써, 기존의 분류된 그룹 중 어느 그룹에 속하는지에 대한 평가를 가능하게 한다. 그리고, 판별함수에 의한 그룹 분류의 정확성의 평가를 위해 교차 타당성(Cross-validation) 기법이 이용되었다.
교차 타당성 기법은 일반적으로 다음과 같은 방법에 의해 수행된다 총 관측치들의 수가 N개라고 할 때, I번째(I=1,2, ..., N) 관측치를 제외한 N-1개의 관측치가 분류 규칙 즉 판별함수를 도출하기 위한 분석 표본으로 사용되고, I번째 관측치가 평가 표본(validation sample)으로 사용된다. I번째 관측치에 N-1개의 관측치들을 사용하여 도출된 분류 규칙을 적용하여, I번째 관측치가 속하는 그룹이 결정되고, 이러한 절차가 첫 번째 관측치에서부터 N 번째 관측치에 이르기까지(즉, I=1에서부터 N까지) 순차적으로 반복 적용된다. 그 뒤, 도출된 분류 규칙에 의한 그룹 분류의 정확도는 이들 규칙에 의해 분류된 그룹과 외적 기준에 의해 주어진 실제 그룹을 비교함으로써 평가된다.
따라서 Fisher의 선형 판별분석을 통해 도출된 판별함수를 이용하여 가공된 데이터 중 유출수질 데이터의 공정상태를 판별하고, 상기 판별된 공정상태에 대하여 사전에 준비된 의사결정나무 알고리즘을 적용하여 의사결정나무를 구성하는 규칙들 중 해당되는 규칙을 탐색하여 의사결정나무를 구성한 결과가 도 3에 잘 나타나 있다. 도 3의 의사결정나무는 분류성능을 강화하기 위해 두 가지 이상의 수질 유형에 관하여 의사결정나무를 구성한 것으로서, 즉 가장 그룹별 성질이 다른 3유형과 5유형을 함께 묶어 의사결정나무를 생성한 결과로서, 각각의 규칙 하나하나가 모두 공정의 내적 원인인자와 외적 원인인자의 복합적 원인을 지칭하는 변수들로 구성되어 있음을 알 수 있다. 이를 통해 공정의 운영상태 원인인자를 "강우로 인해 반응조 내의 체류시간이 짧아짐과 동시에 짧게 유지되었던 SRT로 인해(유출수질의 원인) 처리공정의 SS제거율과 TP제거율이 좋지 않다(당면한 유출수질의 유형)."라는 공정상태 및 원인을 운전자에게 제공해 줄 수 있다.
본 발명에 의한 하수처리장 유출수질의 상태에 대한 원인인자제공장치 및 방법은 기존의 복잡한 수학적 모델에 기반한 공정운영지원 시스템에 비해, 운전자에게 "현재의 유출수질의 상태는 유기물 제거능은 좋으며/보통이며/나쁘며, 질소 및 인 제거능은 좋으며/보통이며/나쁘며, 주된 원인은 일상적인 외부 교란인자임에도 불구하고 폭기조 DO농도를 부적절하게 유지한/반응조의 MLSS 농도가 너무 낮은/폐슬러지양이 작아 SRT가 너무 짧은/등등 때문입니다." 등의 복합적이나 분명한 정보를 포함한 하나의 문장으로 유출수질의 상태에 대한 원인인자를 제공하여 운전자로 하여금 객관적 의사결정지원이 가능하도록 하고 있다.
이상의 설명은 본 발명을 예시적으로 설명한 것에 불과한 것으로, 본 발명이 속하는 기술분야에서 통상의 지식을 가지는 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 변형이 가능할 것이다. 따라서 본 명세서에 개시된 실시예들은 본 발명을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 사상과 범위가 한정되는 것은 아니다. 본 발명의 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
10: 하수처리장 유출수질의 상태에 대한 원인인자 제공장치
100: 데이터수집부
200: 데이터가공부
300: 공정상태판별부
310: 데이터준비부
320: 유출수질그루핑부
330: 판별함수도출부
400: 의사결정나무적용부
500: 공정상태 원인인자제공부

Claims (8)

  1. 하수처리장의 유출수질의 상태에 대한 원인인자의 제공에 필요한 유입/유출 수질 데이터 및 공정운영 데이터를 수집하는 데이터수집부;
    상기 데이터수집부에 의해 수집된 데이터를 일정시간 간격으로 세트화시켜 가공하는 데이터가공부;
    사전에 준비된 판별함수를 이용하여 상기 가공된 데이터 중 유출수질 데이터의 공정상태를 판별하는 공정상태판별부;
    상기 판별된 공정상태에 대하여 사전에 준비된 의사결정나무 알고리즘을 적용하여 의사결정나무를 구성하는 규칙들 중 해당되는 규칙을 탐색하는 의사결정나무적용부; 및
    상기 의사결정나무적용부에 의해 탐색된 규칙을 구성하고 있는 공정운영 데이터 및 유입/유출수질 데이터를 기준으로 하수처리장의 유출수질의 상태에 대한 원인인자를 판단하여 운전자에게 제공하는 공정상태 원인인자제공부;를 포함하되,
    상기 공정운영 데이터는 하수처리장의 폭기량, 슬러지폐기량, 슬러지반송량, 약품주입량, 침전능 및 반응조 내 부유물질 농도 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 하수처리장 유출수질의 상태에 대한 원인인자 제공장치.
  2. 제 1항에 있어서,
    상기 공정상태판별부는
    상기 데이터수집부 또는 별도의 데이터베이스로부터 일정구간의 유출수질의 BOD, COD, SS, TN, TP의 데이터를 수집하여 일정시간 간격으로 세트화시켜 가공하는 데이터준비부;
    상기 데이터준비부에 의해 가공된 데이터들에 대해 계층적 군집분석법을 이용하여 가장 가까운 데이터셋으로부터 군집화하여 계층적으로 모든 데이터들을 군집화하여 유출수질의 유형을 그루핑하는 유출수질그루핑부; 및
    상기 그루핑된 유출수질의 유형에 대하여 새로운 유출수질의 데이터가 어떠한 유형에 속하는지를 판별하기 위한 수단으로 사용될 판별함수를 Fisher의 선형 판별분석을 이용하여 도출하는 판별함수도출부;를 포함하되,
    상기 공정상태판별부는 상기 판별함수도출부에 의해 도출된 판별함수를 이용하여 상기 가공된 데이터 중 유출수질 데이터의 공정상태를 판별하는 것을 특징으로 하는 하수처리장 유출수질의 상태에 대한 원인인자 제공장치.
  3. 제 2항에 있어서,
    상기 의사결정나무는 상기 그루핑된 유출수질에 대해 개별적으로 의사결정나무 알고리즘에 의해 생성되며, 상기 의사결정나무 알고리즘은 아래의 수식에 의해 도출되는 것을 특징으로 하는 하수처리장 유출수질의 상태에 대한 원인인자 제공장치.
    Figure pat00006

    (여기서, Pi는 S가 i분류에 속하는 분율이며, A는 한 변수, Sv는 변수 A가 v라는 값을 가질 때의 S의 부분집합을 말함.)
  4. 제 3항에 있어서,
    상기 공정상태 원인인자제공부는 상기 의사결정나무적용부에 의해 탐색된 규칙을 구성하고 있는 공정운영 데이터 및 유입/유출수질 데이터 중 상기 공정운영 데이터는 하수처리장의 공정 내적인 원인인자로 분류하고, 상기 유입/유출수질 데이터는 하수처리장의 공정 외적인 원인인자로 분류하여 하수처리장의 유출수질의 상태에 대한 원인인자가 상기 공정 내적인 원인인자인지 아니면 상기 공정 외적인 원인인자인지를 판단하여 운전자에게 제공하여 주는 것을 특징으로 하는 하수처리장 유출수질의 상태에 대한 원인인자 제공장치.
  5. 하수처리장으로부터 유출수질의 상태에 대한 원인인자의 제공에 필요한 유입/유출 수질 데이터 및 공정운영 데이터를 입력받는 데이터 입력단계;
    상기 입력된 데이터를 일정시간 간격으로 세트화시켜 가공하는 데이터 가공단계;
    사전에 준비된 판별함수를 이용하여 상기 가공된 데이터 중 유출수질 데이터의 공정상태를 판별하는 공정상태 판별단계;
    상기 판별된 공정상태에 대하여 사전에 준비된 의사결정나무 알고리즘을 적용하여 의사결정나무를 구성하는 규칙들 중 해당되는 규칙을 탐색하는 의사결정나무 적용단계; 및
    상기 탐색된 규칙을 구성하고 있는 공정운영 데이터 및 유입/유출수질 데이터를 기준으로 하수처리장의 유출수질의 상태에 대한 원인인자를 판단하여 운전자에게 제공하는 공정상태 원인인자제공단계;를 포함하되,
    상기 공정운영 데이터는 하수처리장의 폭기량, 슬러지폐기량, 슬러지반송량, 약품주입량, 침전능 및 반응조 내 부유물질 농도 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 하수처리장 유출수질의 상태에 대한 원인인자 제공방법.
  6. 제 5항에 있어서,
    상기 공정상태 판별단계는 데이터수집부 또는 별도의 데이터베이스로부터 일정구간의 유출수질의 BOD, COD, SS, TN, TP의 데이터를 수집하여 일정시간 간격으로 세트화시켜 가공하여 상기 가공된 데이터들에 대해 계층적 군집분석법을 이용하여 가장 가까운 데이터셋으로부터 군집화하여 계층적으로 모든 데이터들을 군집화하여 유출수질의 유형을 그루핑하며, 상기 그루핑된 유출수질의 유형에 대하여 새로운 유출수질의 데이터가 어떠한 유형에 속하는지를 판별하기 위한 수단으로 사용될 판별함수를 Fisher의 선형 판별분석을 이용하여 도출한 후, 상기 도출된 판별함수를 이용하여 상기 가공된 데이터 중 유출수질 데이터의 공정상태를 판별하는 것을 특징으로 하는 하수처리장 유출수질의 상태에 대한 원인인자 제공방법.
  7. 제 6항에 있어서,
    상기 의사결정나무는 상기 그루핑된 유출수질에 대해 개별적으로 의사결정나무 알고리즘에 의해 생성되며, 상기 의사결정나무 알고리즘은 아래의 수식에 의해 도출되는 것을 특징으로 하는 하수처리장 유출수질의 상태에 대한 원인인자 제공방법.
    Figure pat00007

    (여기서, Pi는 S가 i분류에 속하는 분율이며, A는 한 변수, Sv는 변수 A가 v라는 값을 가질 때의 S의 부분집합을 말함.)
  8. 제 7항에 있어서,
    상기 공정상태 원인인자제공단계는 상기 의사결정나무 적용단계에서 탐색된 규칙을 구성하고 있는 공정운영 데이터 및 유입/유출수질 데이터 중 상기 공정운영 데이터는 하수처리장의 공정 내적인 원인인자로 분류하고, 상기 유입/유출수질 데이터는 하수처리장의 공정 외적인 원인인자로 분류하여 하수처리장의 유출수질의 상태에 대한 원인인자가 상기 공정 내적인 원인인자인지 아니면 상기 공정 외적인 원인인자인지를 판단하여 운전자에게 제공하여 주는 것을 특징으로 하는 하수처리장 유출수질의 상태에 대한 원인인자 제공방법.
KR1020130032963A 2013-03-27 2013-03-27 하수처리장 유출수질의 상태에 대한 원인인자 제공장치 및 방법 KR20140117959A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020130032963A KR20140117959A (ko) 2013-03-27 2013-03-27 하수처리장 유출수질의 상태에 대한 원인인자 제공장치 및 방법
PCT/KR2013/002573 WO2014157750A1 (ko) 2013-03-27 2013-03-28 하수처리장 유출수질의 상태에 대한 원인인자 제공장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130032963A KR20140117959A (ko) 2013-03-27 2013-03-27 하수처리장 유출수질의 상태에 대한 원인인자 제공장치 및 방법

Publications (1)

Publication Number Publication Date
KR20140117959A true KR20140117959A (ko) 2014-10-08

Family

ID=51624702

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130032963A KR20140117959A (ko) 2013-03-27 2013-03-27 하수처리장 유출수질의 상태에 대한 원인인자 제공장치 및 방법

Country Status (2)

Country Link
KR (1) KR20140117959A (ko)
WO (1) WO2014157750A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110835128A (zh) * 2019-11-26 2020-02-25 倪世章 一种基于水质实时净化水质量的净水器及方法
WO2021101190A1 (ko) * 2019-11-19 2021-05-27 주식회사 부강테크 수처리 공정 최적화 및 자동 설계 시스템 및 이를 이용한 설계 방법
KR102358494B1 (ko) * 2020-11-26 2022-02-07 국민대학교 산학협력단 환경시설 재난대응 의사 결정 지원 시스템 및 방법

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5925371B1 (ja) * 2015-09-18 2016-05-25 三菱日立パワーシステムズ株式会社 水質管理装置、水処理システム、水質管理方法、および水処理システムの最適化プログラム
CN111999754B (zh) * 2020-07-10 2022-11-25 中国辐射防护研究院 一种基于核设施气载流出物监测数据的评价系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2314368B1 (en) * 2005-07-12 2016-09-14 Zenon Technology Partnership Process control for an immersed membrane system
KR100965756B1 (ko) * 2008-01-15 2010-06-24 부산대학교 산학협력단 하수처리장 공정 운영 상태 진단을 위한 방법 및 장치
KR101237444B1 (ko) * 2010-06-29 2013-02-26 부산대학교 산학협력단 하폐수 처리장의 공정진단 시스템 및 방법

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021101190A1 (ko) * 2019-11-19 2021-05-27 주식회사 부강테크 수처리 공정 최적화 및 자동 설계 시스템 및 이를 이용한 설계 방법
KR20210061480A (ko) * 2019-11-19 2021-05-28 주식회사 부강테크 수처리 공정 최적화 및 자동 설계 시스템 및 이를 이용한 설계 방법
CN110835128A (zh) * 2019-11-26 2020-02-25 倪世章 一种基于水质实时净化水质量的净水器及方法
CN110835128B (zh) * 2019-11-26 2021-12-07 陈文印 一种基于水质实时净化水质量的净水器及方法
KR102358494B1 (ko) * 2020-11-26 2022-02-07 국민대학교 산학협력단 환경시설 재난대응 의사 결정 지원 시스템 및 방법

Also Published As

Publication number Publication date
WO2014157750A1 (ko) 2014-10-02

Similar Documents

Publication Publication Date Title
KR101237444B1 (ko) 하폐수 처리장의 공정진단 시스템 및 방법
KR20140117959A (ko) 하수처리장 유출수질의 상태에 대한 원인인자 제공장치 및 방법
KR100965756B1 (ko) 하수처리장 공정 운영 상태 진단을 위한 방법 및 장치
Boztoprak et al. Prediction of sludge volume index bulking using image analysis and neural network at a full-scale activated sludge plant
CN116186566A (zh) 基于深度学习的扩散预测方法及系统
US11365140B2 (en) Decision support system and method for water treatment
CN114943917B (zh) 一种视觉识别污水厂好氧池曝气量的算法
CN112529234A (zh) 基于深度学习的地表水质预测方法
CN113947033B (zh) 基于人工智能排水管网污染物溯源系统及方法
Sadler et al. Computational surveillance of microbial water quality with online flow cytometry
Malek et al. The effect of chemical parameters on water quality index in machine learning studies: a meta-analysis
CN114518988B (zh) 资源容量系统及其控制方法和计算机可读存储介质
JP2011129046A (ja) 上下水道施設運用支援装置およびプログラム
CN101474098A (zh) 一种鱼病诊断呼叫系统
KR20230038038A (ko) 수처리 에너지지수 기반 하수처리장의 에너지 효율 평가 방법 및 에너지 절감 의사결정 시스템
CN107274005A (zh) 基于大数据的分形算法的城市雨洪灾害预警方法及系统
Kohen et al. Prediction of a full scale WWTP activated sludge SVI test using an LSTM neural network
CN114716010B (zh) 一种废水处理生物膜的性能评估方法及系统
CN112950049B (zh) 一种基于信息自动识别的藻类水华应急治理群决策方法及装置
WO2006101527A1 (en) Methods and apparatuses for evaluating water samples
NTSHAKO AN INTELLIGENT INTERNET OF THINGS MONITORING SYSTEM FOR POTABLE QUALITY WATER: A CASE STUDY IN MANGAUNG AREA
JP7422571B2 (ja) 水処理技術の装置、システム、及び方法
CN116029589B (zh) 基于两段式rbf的农村生活污水动植物油在线监测方法
CN111190887B (zh) 一种基于社会认知决策的污水ph值数据分析方法和装置
KR100417640B1 (ko) 수처리시설의 평가장치

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application