TOP
|
特許
|
意匠
|
商標
特許ウォッチ
Twitter
他の特許を見る
10個以上の画像は省略されています。
公開番号
2024156023
公報種別
公開特許公報(A)
公開日
2024-10-31
出願番号
2024146639,2020048360
出願日
2024-08-28,2020-03-18
発明の名称
放流水質予測装置および放流水質予測方法
出願人
日新電機株式会社
,
国立大学法人京都工芸繊維大学
代理人
弁理士法人 HARAKENZO WORLD PATENT & TRADEMARK
主分類
G06Q
10/04 20230101AFI20241024BHJP(計算;計数)
要約
【課題】1つの予測モデルだけで放流水質の予測を可能とした放流水質予測装置を提供する。
【解決手段】放流水質予測装置(100)において、予測モデル生成部(103)は、リカレントニューラルネットワークのハイパーパラメータを変更しながら予測モデルを生成し、学習データセットの少なくとも一部の学習データを評価データとし、評価データを予測モデルに入力することによって得られる予測値と、検証データと、の誤差が所定値以下の予測モデルを、放流水質予測部(105)に設定する。
【選択図】図1
特許請求の範囲
【請求項1】
下水処理場に設置された複数のセンサから、前記下水処理場の放流水質を示す検出値の時系列データを取得するセンサ情報取得部と、
前記センサ情報取得部によって取得された前記時系列データを学習データとして記憶する学習データデータベースと、
前記センサ情報取得部によって取得された前記時系列データを直近データとして記憶する直近データデータベースと、
前記学習データデータベースに記憶される第1の所定時間分の学習データを学習データセットとし、第2の所定時間後の、前記複数のセンサの中の少なくとも1つの値を予測するための予測モデルを、前記学習データセットから生成する予測モデル生成部と、
前記直近データに、前記予測モデルを適用することにより、前記少なくとも1つの値を予測する放流水質予測部とを備え、
前記予測モデル生成部は、
前記学習データセットをトレーニングデータとし、
前記第2の所定時間後の、前記複数のセンサの中の少なくとも1つの実測値を検証データとし、
前記トレーニングデータおよび前記検証データを用いてリカレントニューラルネットワークに学習させることにより予測モデルを生成し、さらに、
前記予測モデル生成部は、
前記リカレントニューラルネットワークのハイパーパラメータを変更しながら予測モデルを生成し、
前記学習データセットの少なくとも一部の学習データを評価データとし、
前記評価データを前記予測モデルに入力することによって得られる予測値と、前記検証データと、の誤差が所定値以下の予測モデルを、前記放流水質予測部に設定する、放流水質予測装置。
続きを表示(約 720 文字)
【請求項2】
コンピュータが実行する放流水質予測方法であって、
下水処理場に設置された複数のセンサから、前記下水処理場の放流水質を示す検出値の時系列データを取得するステップと、
前記取得された時系列データを学習データとして記憶するステップと、
前記取得された時系列データを直近データとして記憶するステップと、
第1の所定時間分の前記学習データを学習データセットとし、第2の所定時間後の、前記複数のセンサの中の少なくとも1つの値を予測するための予測モデルを、前記学習データセットから生成するステップと、
前記直近データに、前記生成された予測モデルを適用することにより前記少なくとも1つの値を予測するステップとを含み、
前記予測モデルを、前記学習データセットから生成するステップにおいて、
前記学習データセットをトレーニングデータとし、
前記第2の所定時間後の、前記複数のセンサの中の少なくとも1つの実測値を検証データとし、
前記トレーニングデータおよび前記検証データを用いてリカレントニューラルネットワークに学習させることにより予測モデルを生成し、さらに
前記予測モデルを、前記学習データセットから生成するステップにおいて、
前記リカレントニューラルネットワークのハイパーパラメータを変更しながら予測モデルを生成し、
前記学習データセットの少なくとも一部の学習データを評価データとし、
前記評価データを前記予測モデルに入力することによって得られる予測値と、前記検証データと、の誤差が所定値以下の予測モデルを選択する、放流水質予測方法。
発明の詳細な説明
【技術分野】
【0001】
本発明は、下水処理場の複数のセンサからの時系列データに基づいて、放流水質を予測する技術に関する。
続きを表示(約 2,200 文字)
【背景技術】
【0002】
下水処理場の放流水質を予測する技術として、下記の特許文献1に開示された発明がある。この特許文献1は、水処理設備等のプラント設備の監視対象量を予測する技術に関する。
【0003】
一次予測部は、データ群、基準年間平均モデルおよび基準季節別平均モデルを用いて、ニューラルモデル、重回帰モデル、およびクラスタリングモデルを含む年間平均一次予測モデル群および季節別平均一次予測モデル群を生成する。そして、年間平均一次予測モデル群および季節別平均一次予測モデル群を用いて各予測モデルの監視対象量の予測値を予測結果データとして算出する。
【0004】
二次予測部は、稼働実績データ(年間実績データおよび季節別実績データ)を用いて基準二次予測モデルを生成する。そして、基準二次予測モデル、予測結果データおよび稼働実績データを用いて、監視対象量の年間および季節別の平均値を予測するための二次予測モデルを生成する。
【0005】
最後に、二次予測部は、監視対象予測値(予測結果データ)に重みを付与し、重みが付与された複数の監視対象量をノードとするニューラルネットワークを用いて監視対象量の予測値を算出する。
【先行技術文献】
【特許文献】
【0006】
特開2013-161336号公報(2013年8月19日公開)
【発明の概要】
【発明が解決しようとする課題】
【0007】
しかしながら、上述の特許文献1に開示された発明においては、一次予測部および二次予測部が、年間平均一次予測モデル群、季節別平均一次予測モデル群および二次予測モデルを生成し、2段階で予測処理を行う必要がある。
【0008】
本発明の一態様は、1つの予測モデルだけで放流水質の予測を可能とした放流水質予測装置を提供することを目的とする。
【課題を解決するための手段】
【0009】
上記の課題を解決するために、本発明の一態様に係る放流水質予測装置は、下水処理場に設置された複数のセンサから、前記下水処理場の放流水質を示す検出値の時系列データを取得するセンサ情報取得部と、前記センサ情報取得部によって取得された前記時系列データを学習データとして記憶する学習データデータベースと、前記センサ情報取得部によって取得された前記時系列データを直近データとして記憶する直近データデータベースと、前記学習データデータベースに記憶される第1の所定時間分の学習データを学習データセットとし、第2の所定時間後の、前記複数のセンサの中の少なくとも1つの値を予測するための予測モデルを、前記学習データセットから生成する予測モデル生成部と、前記直近データに、前記予測モデルを適用することにより、前記少なくとも1つの値を予測する放流水質予測部とを備え、前記予測モデル生成部は、前記学習データセットをトレーニングデータとし、前記第2の所定時間後の、前記複数のセンサの中の少なくとも1つの実測値を検証データとし、前記トレーニングデータおよび前記検証データを用いてリカレントニューラルネットワークに学習させることにより予測モデルを生成し、さらに、前記予測モデル生成部は、前記リカレントニューラルネットワークのハイパーパラメータを変更しながら予測モデルを生成し、前記学習データセットの少なくとも一部の学習データを評価データとし、前記評価データを前記予測モデルに入力することによって得られる予測値と、前記検証データと、の誤差が所定値以下の予測モデルを、前記放流水質予測部に設定する。
【0010】
また、上記の課題を解決するために、本発明の一態様に係る放流水質予測方法は、コンピュータが実行する放流水質予測方法であって、下水処理場に設置された複数のセンサから、前記下水処理場の放流水質を示す検出値の時系列データを取得するステップと、前記取得された時系列データを学習データとして記憶するステップと、前記取得された時系列データを直近データとして記憶するステップと、第1の所定時間分の前記学習データを学習データセットとし、第2の所定時間後の、前記複数のセンサの中の少なくとも1つの値を予測するための予測モデルを、前記学習データセットから生成するステップと、前記直近データに、前記生成された予測モデルを適用することにより前記少なくとも1つの値を予測するステップとを含み、前記予測モデルを、前記学習データセットから生成するステップにおいて、前記学習データセットをトレーニングデータとし、前記第2の所定時間後の、前記複数のセンサの中の少なくとも1つの実測値を検証データとし、前記トレーニングデータおよび前記検証データを用いてリカレントニューラルネットワークに学習させることにより予測モデルを生成し、さらに前記予測モデルを、前記学習データセットから生成するステップにおいて、前記リカレントニューラルネットワークのハイパーパラメータを変更しながら予測モデルを生成し、前記学習データセットの少なくとも一部の学習データを評価データとし、前記評価データを前記予測モデルに入力することによって得られる予測値と、前記検証データと、の誤差が所定値以下の予測モデルを選択する。
【発明の効果】
(【0011】以降は省略されています)
特許ウォッチbot のツイートを見る
この特許をJ-PlatPatで参照する
関連特許
他の特許を見る