シーケンスバッチ反応器で家庭廃水を処理するためのランダムフォレスト回帰ソフトセンサーモデルの開発と応用

Scientific Reports volume 13、記事番号: 9149 (2023) この記事を引用

499 アクセス

メトリクスの詳細

シーケンスバッチ反応器（SBR）などの小規模分散型水処理装置は、設置と建設が迅速で、運転コストが低く、適応性が高いという利点があるため、地方の家庭下水処理の分野で広く使用されています。 しかし、SBRプロセスの非線形性とヒステリシスの特性により、廃水処理のシミュレーションモデルを構築することは困難です。 この研究では、人工知能と自動制御システムを使用して、炭素排出量の削減に対応してエネルギーを節約できる方法論を開発しました。 この方法では、ランダム フォレスト モデルを活用して、COD 傾向の予測に適したソフト センサーを決定します。 この研究では、COD センサーの前提として pH センサーと温度センサーを使用します。 提案手法では、データを 12 個の入力変数に前処理し、上位 7 個の変数を最適化モデルの変数として選択しました。 このサイクルは、制御不能なシナリオである固定時間制御ではなく、人工知能と自動制御システムによって終了しました。 12 のテスト ケースでは、COD 除去率は約 91.075% であり、平均的に見て 24.25% の時間またはエネルギーが節約されました。 この提案されたソフトセンサー選択方法論は、時間とエネルギーの節約という利点を備えて農村部の家庭下水処理の分野に適用できます。 時間の節約は処理能力の向上につながり、エネルギーの節約は低炭素技術を表します。 提案された方法論は、高価で信頼性の低いセンサーを手頃な価格で信頼できる代替品に置き換えることにより、データ収集に関連するコストを削減する方法を調査するためのフレームワークを提供します。 この考え方を採用することで、排出基準を満たしながら省エネを維持することが可能となります。

農村部の生活下水は、水質と水量が不安定で、放流が分散し、汚染物質濃度が低いという特徴があります1。 これらの課題に対処するため、小規模分散型水処理装置は、設置と建設が迅速で、運用コストが低く、適応性が高いため、地方の生活下水処理の分野で広く使用されています2。 近年、シーケンシングバッチリアクター（SBR）プロセスが地方の家庭廃水処理の有望な選択肢として浮上しています。 他のプロセスと比較すると、SBR は有機負荷の影響に効果的に耐えることができ、柔軟な操作モードを備え、優れた排水効果を生み出し、より優れた窒素とリンの除去効果を達成します3、4、5、6。

ただし、SBR プロセスによって示される非線形性とヒステリシス特性により、地方の家庭廃水処理の正確なシミュレーション モデルを構築するのは困難な場合があります 7,8。 下水処理における非線形問題とは、下水処理中のさまざまな化学反応、生物反応、物理的影響の相互作用から生じる複雑で多様な非線形関係を指します。

機械学習を含む人工知能は、非線形問題を効果的に解決するために下水処理プロセスに適用されています。 機械学習には、ニューラル ネットワークやサポート ベクター回帰など、下水処理中に生成される複雑なデータの分析とモデル化に使用できるさまざまな方法が含まれます。 これにより、処理コストを削減しながら、下水処理の効率と品質を効果的に向上させることができました。

人工ニューラルネットワーク（ANN）は、動物の神経ネットワークの挙動を模擬し、分散並列情報処理を行う数理モデルです。 ANN は、システム内の複雑な情報を処理するために多数の内部ノード間の相互接続を調整できるため、下水排出の予測に広く使用されています9、10、11、12、13。

人工ニューラル ネットワーク (ANN) 手法の使用に加えて、線形回帰 (LR)、サポート ベクター回帰 (SVR)、ニューロファジー ネットワーク手法などの他の手法も、汚染物質濃度の変化を予測するために汚染物質除去技術で使用されています。その他のプロセスパラメータ14、15、16、17、18、19。 これらの方法 (表 1 に示す) は、さまざまな要因間の複雑な関係をモデル化し、汚染物質濃度を予測するのに効果的であることが証明されており、処理プロセスのパフォーマンスの最適化に役立ちます。