TOP特許意匠商標
特許ウォッチ Twitter
10個以上の画像は省略されています。
公開番号2025006984
公報種別公開特許公報(A)
公開日2025-01-17
出願番号2023108074
出願日2023-06-30
発明の名称学習装置、予測装置、学習方法、予測方法及び水処理システム
出願人メタウォーター株式会社
代理人弁理士法人フィールズ国際特許事務所
主分類C02F 1/00 20230101AFI20250109BHJP(水,廃水,下水または汚泥の処理)
要約【課題】被処理水の流入量についての予測精度を向上させることを可能とする学習装置、予測装置、学習方法、予測方法及び水処理システムを提供する。
【解決手段】雨水の降雨強度を測定可能な複数の領域のうち、降雨強度の測定状態が条件を満たす1以上の領域を特定する領域特定部と、特定した1以上の領域ごとに、各領域の第1タイミングにおける降雨強度を取得する強度取得部と、第1タイミングの所定時間後の第2タイミングにおける流入量を取得する流入量取得部と、取得した1以上の領域のそれぞれにおける降雨強度と、取得した流入量とを含む教師データを生成するデータ生成部と、生成した教師データの機械学習によって学習モデルを生成するモデル生成部と、を有する。
【選択図】図1
特許請求の範囲【請求項1】
雨水を含む被処理水を処理する水処理装置に流入する前記被処理水の流入量を予測する学習モデルを生成する学習装置であって、
前記雨水の降雨強度を測定可能な複数の領域のうち、前記降雨強度の測定状態が条件を満たす1以上の領域を特定する領域特定部と、
特定した前記1以上の領域ごとに、各領域の第1タイミングにおける前記降雨強度を取得する強度取得部と、
前記第1タイミングの所定時間後の第2タイミングにおける前記流入量を取得する流入量取得部と、
取得した前記1以上の領域のそれぞれにおける前記降雨強度と、取得した前記流入量とを含む教師データを生成するデータ生成部と、
生成した前記教師データの機械学習によって前記学習モデルを生成するモデル生成部と、を有する、
ことを特徴とする学習装置。
続きを表示(約 2,600 文字)【請求項2】
前記複数の領域のそれぞれにおける前記降雨強度は、電波を発射するとともに前記電波の反射波を検出するレーダを用いることによって繰り返し測定され、
前記領域特定部は、前記複数の領域のうち、前記レーダによる前記降雨強度の測定の成功確率が閾値以上である領域のそれぞれを前記1以上の領域として特定する、請求項1に記載の学習装置。
【請求項3】
さらに、前記水処理装置に向けて流れる前記被処理水の配管内における水位を測定可能な複数の箇所のうち、各箇所を流れる前記被処理水が前記水処理装置に流入するまでに要する時間が所定の範囲内である1以上の箇所を特定する箇所特定部と、
特定した前記1以上の箇所ごとに、各箇所の前記第1タイミングにおける前記水位を取得する水位取得部と、を有し、
前記データ生成部は、前記1以上の領域のそれぞれにおける前記降雨強度と、前記1以上の箇所のそれぞれにおける前記水位と、前記流入量とを含む前記教師データを生成する、請求項1に記載の学習装置。
【請求項4】
雨水を含む被処理水を処理する水処理装置に流入する前記被処理水の流入量を予測する学習モデルを用いて前記流入量を予測する予測装置であって、
前記雨水の降雨強度を測定可能な複数の領域のうち、前記降雨強度の測定状態が所定の条件を満たす1以上の領域のそれぞれの第1タイミングにおける前記降雨強度と、前記第1タイミングの所定時間後の第2タイミングにおける前記流入量とを含む教師データの機械学習によって生成された学習モデルを記憶する記憶部と、
前記1以上の領域ごとに、各領域の第3タイミングにおける前記雨水の新たな降雨強度を取得する強度取得部と、
前記学習モデルに対して前記1以上の領域のそれぞれにおける前記新たな降雨強度を入力し、前記新たな降雨強度の入力に伴って前記学習モデルから出力された新たな流入量を取得する流入量推定部と、
取得した前記新たな流入量を、前記第3タイミングの前記所定時間後の第4タイミングにおける前記流入量として出力する結果出力部と、を有する、
ことを特徴とする予測装置。
【請求項5】
前記記憶部は、前記1以上の領域のそれぞれの前記降雨強度と、前記被処理水の配管内における水位を測定可能な複数の箇所のうち、各箇所を流れる前記被処理水が前記水処理装置に流入するまでに要する時間が所定の範囲内である1以上の箇所のそれぞれの前記第1タイミングにおける前記水位と、前記流入量とを含む前記教師データの機械学習によって生成された前記学習モデルを記憶し、さらに、
前記1以上の箇所のそれぞれごとに、各箇所の前記第3タイミングにおける前記被処理水の前記配管内における新たな水位を取得する水位取得部を有し、
前記流入量推定部は、前記学習モデルに対して前記1以上の領域のそれぞれにおける前記新たな降雨強度と前記1以上の箇所のそれぞれにおける前記新たな水位とを入力し、前記新たな降雨強度と前記新たな水位との入力に伴って前記学習モデルから出力された前記新たな流入量を取得する、請求項4に記載の予測装置。
【請求項6】
雨水を含む被処理水を処理する水処理装置に流入する前記被処理水の流入量を予測する学習モデルを生成する学習方法であって、
前記雨水の降雨強度を測定可能な複数の領域のうち、前記降雨強度の測定状態が条件を満たす1以上の領域を特定し、
特定した前記1以上の領域ごとに、各領域の第1タイミングにおける前記降雨強度を取得し、
前記第1タイミングの所定時間後の第2タイミングにおける前記流入量を取得し、
取得した前記1以上の領域のそれぞれにおける前記降雨強度と、取得した前記流入量とを含む教師データを生成する、
ことを特徴とする処理をコンピュータが実行する学習方法。
【請求項7】
雨水を含む被処理水を処理する水処理装置に流入する前記被処理水の流入量を予測する学習モデルを用いて前記流入量を予測する予測方法であって、
前記雨水の降雨強度を測定可能な複数の領域のうち、前記降雨強度の測定状態が所定の条件を満たす1以上の領域のそれぞれの第1タイミングにおける前記降雨強度と、前記第1タイミングの所定時間後の第2タイミングにおける前記流入量とを含む教師データの機械学習によって生成された学習モデルを記憶部に記憶し、
前記1以上の領域ごとに、各領域の第3タイミングにおける前記雨水の新たな降雨強度を取得し、
前記学習モデルに対して前記1以上の領域のそれぞれにおける前記新たな降雨強度を入力し、前記新たな降雨強度の入力に伴って前記学習モデルから出力された新たな流入量を取得し、
取得した前記新たな流入量を、前記第3タイミングの前記所定時間後の第4タイミングにおける前記流入量として出力する、
ことを特徴とする処理をコンピュータに実行させる予測方法。
【請求項8】
雨水を含む被処理水を処理する水処理装置と、
前記水処理装置に流入する前記被処理水の流入量を予測する学習モデルを用いて前記流入量を予測する予測装置と、
前記予測装置によって予測された前記流入量に基づいて前記水処理装置を制御する制御装置と、を備える水処理システムであって、
前記予測装置は、
前記雨水の降雨強度を測定可能な複数の領域のうち、前記降雨強度の測定状態が所定の条件を満たす1以上の領域のそれぞれの第1タイミングにおける前記降雨強度と、前記第1タイミングの所定時間後の第2タイミングにおける前記流入量とを含む教師データの機械学習によって生成された学習モデルを記憶する記憶部と、
前記1以上の領域ごとに、各領域の第3タイミングにおける前記雨水の新たな降雨強度を取得する強度取得部と、
前記学習モデルに対して前記1以上の領域のそれぞれにおける前記新たな降雨強度を入力し、前記新たな降雨強度の入力に伴って前記学習モデルから出力された新たな流入量を取得する流入量推定部と、
取得した前記新たな流入量を、前記第3タイミングの前記所定時間後の第4タイミングにおける前記流入量として出力する結果出力部と、を有する、
ことを特徴とする水処理システム。

発明の詳細な説明【技術分野】
【0001】
本発明は、学習装置、予測装置、学習方法、予測方法及び水処理システムに関する。
続きを表示(約 2,000 文字)【背景技術】
【0002】
被処理水の処理を行う水処理システム(以下、単に水処理システムとも呼ぶ)では、例えば、水処理システムに対する被処理水の流入量についての予測が行われる。そして、水処理システムの運転員(以下、単に運転員とも呼ぶ)は、例えば、被処理水の流入量についての予測結果に基づいて、水処理システムについての必要な運転を行う(特許文献1を参照)。
【先行技術文献】
【特許文献】
【0003】
特開2020-170339号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
ここで、上記のような水処理システムでは、例えば、状況に応じた適切な運転を行うことが求められる。そのため、水処理システムでは、例えば、被処理水の流入量についての予測精度を向上させることが望まれている。
【課題を解決するための手段】
【0005】
上記のような被処理水の流入量についての予測精度を向上させるため、本発明における学習装置は、雨水を含む被処理水を処理する水処理装置に流入する前記被処理水の流入量を予測する学習モデルを生成する学習装置であって、前記雨水の降雨強度を測定可能な複数の領域のうち、前記降雨強度の測定状態が条件を満たす1以上の領域を特定する領域特定部と、特定した前記1以上の領域ごとに、各領域の第1タイミングにおける前記降雨強度を取得する強度取得部と、前記第1タイミングの所定時間後の第2タイミングにおける前記流入量を取得する流入量取得部と、取得した前記1以上の領域のそれぞれにおける前記降雨強度と、取得した前記流入量とを含む教師データを生成するデータ生成部と、生成した前記教師データの機械学習によって前記学習モデルを生成するモデル生成部と、を有する。
【発明の効果】
【0006】
本発明における学習装置、予測装置、学習方法、予測方法及び水処理システムによれば、被処理水の流入量についての予測精度を向上させることが可能になる。
【図面の簡単な説明】
【0007】
図1は、第1の実施の形態における水処理システム100の構成例を説明する図である。
図2は、第1の実施の形態における情報処理装置10のハードウエア構成を説明する図である。
図3は、第1の実施の形態における情報処理装置10のブロック図である。
図4は、第1の実施の形態における学習処理の具体例を説明する図である。
図5は、第1の実施の形態における予測処理の具体例を説明する図である。
図6は、第1の実施の形態における学習処理を説明するフローチャート図である。
図7は、ステップS1の具体例について説明する図である。
図8は、ステップS1の具体例について説明する図である。
図9は、ステップS1の具体例について説明する図である。
図10は、ステップS1の具体例について説明する図である。
図11は、ステップS3の具体例について説明する図である。
図12は、教師データDT4の具体例について説明する図である。
図13は、教師データDT4の具体例について説明する図である。
図14は、第1の実施の形態における予測処理を説明するフローチャート図である。
【発明を実施するための形態】
【0008】
以下、図面を参照して本開示の実施の形態について説明する。しかしながら、かかる説明は限定的な意味に解釈されるべきではなく、特許請求の範囲に記載の主題を限定するものではない。また、本開示の趣旨及び範囲から逸脱することがなく様々な変更や置換や改変をすることができる。また、異なる実施の形態を適宜組み合わせることができる。
【0009】
[第1の実施の形態における水処理システム100]
初めに、第1の実施の形態における水処理システム100について説明を行う。図1は、第1の実施の形態における水処理システム100の構成例を説明する図である。
【0010】
水処理システム100は、例えば、ポンプP(以下、水処理装置Pとも呼ぶ)と、情報処理装置10(以下、学習装置10または予測装置10とも呼ぶ)と、制御装置20とを有する。なお、以下、水処理システム100が1台のポンプPを有する場合について説明を行うが、これに限られない。具体的に、水処理システム100は、例えば、容量が同一である複数台のポンプPを有するものであってもよいし、容量が互いに異なる複数台のポンプPを有するものであってもよい。
(【0011】以降は省略されています)

この特許をJ-PlatPatで参照する
Flag Counter

関連特許