排水処理プラントにおけるロバストな水質予測のための適応型LSTMアンサンブルに基づく新しいソフトセンサーフレームワーク

科学分野:

• 環境工学; データサイエンス; 廃水処理

背景:

• 排水処理プラント（WWTP）の運用を最適化するには、正確な流入水質予測が不可欠です。 既存の方法では、データ品質の問題や予測精度に苦労することがよくあります。

研究 の 目的:

• WWTPにおける流入水質を予測するための適応型LSTMアンサンブルを用いた新しいソフトセンサーフレームワークを開発すること。 高度なデータ前処理とアンサンブル学習アプローチを通じて、予測精度と運用効率を向上させること。

主な方法:

• トレンド抽出のためのHodrick-Prescottフィルター（HP）とノイズからの空間的クラスタリングに基づく密度（DBSCAN）を異常検出のために組み合わせたハイブリッドアプローチを実装しました。 ニュートン補間法を使用して欠損データを処理しました。 予測のために、適応型アンサンブルフレームワーク内で時間パターン注意機構付きLSTM（TPA-LSTM）モデルを利用しました。

主要な成果:

• ハイブリッドLSTMモデルは、単一のLSTMと比較して優れたパフォーマンスを示しました。 7つの水質指標の平均フィッティング相関が52.7%向上しました。 予測誤差が62.1%削減されました。

結論:

• 提案されたソフトセンサーフレームワークは、流入水質パラメータ（BOD、COD、NH3_N）を効果的に予測します。 適応型アンサンブルアプローチは、予測精度を大幅に向上させ、エラーを削減します。 このフレームワークは、WWTPの運用効率と費用対効果を向上させるための貴重なツールを提供します。