Earticle

초록

영어

Wastewater treatment systems are characterized by large temporal variability of inflow, variable concentrations of components in the incoming wastewater to the plant, and highly variable biological reactions within the process. The behavior of observed process variables within a wastewater treatment plant (WWTP) at a certain time instant is the combined effect of various processes initiated at different moments in the past. This is called a time-delay effect in the system. Due to the nature of strong nonlinear mapping, neural networks provide advantages as a modeling and identification tool over a structure-based model. However, the determination of the architecture of the artificial neural networks (ANNs) and the selection of key input variables with a time delay is not easy. In our research, a genetic adapted time-delay neural network (GATDNN), which is a combination of time-delay neural network (TDNN) and genetic algorithms (GAs), was developed and applied to the full-scale Bardenpho advanced sewage treatment process. In a GATDNN, a three-step modelling procedure was performed: (1) selection of significant input variables to maximise the predictive accuracy for each specific output; (2) finding a suitable network topology for the ANN-based process estimator; (3) sensitivity analysis. The results demonstrate that the modelling technique presented using a GATDNN provides a valuable tool for predicting the outputs with high levels of accuracy and identifying key operating variables. This work will permit the development of a reliable control strategy thus reducing the burden of the process engineer.

한국어

하폐수처리공정은 복잡한 생물학적 처리과정과 많은 입력변수들의 시간에 따른 강력한 동적인 변동성으로 인해서 이 전의 운전 상황이 차후의 운전상황에 많은 영향을 미친다. 이런한 현상을 시간지연 효과라 한다. 강력한 비선형 매핑 (mapping) 특성 때문에 신경망은 구조 기반 모델에 대한 모델링 및 식별 도구로서의 이점을 제공하지만, 일반 인공신경 망(ANN)의 경우 시스템 설계방식(architecture)의 결정 및 시스템에서의 시간 지연과 관련된 주요 입력 변수의 선택은 쉽 지 않다. 그래서 본 연구에서는 시간 지연 신경망과 유전자 알고리즘을 결합한 유전자 적응형 시간 지연 신경망 (GATDNN)을 개발하여 바덴포(Bardenpho) 고도하수처리 공정 모델링에 적용하였다. GATDNN에서 3 단계 모델링 절차 가 수행되었다. (1) 각 특정 출력에 대한 예측 정확도를 극대화하기 위해 중요한 입력 변수 선택 (2) ANN 기반 프로세스 추정기에 적합한 네트워크 토폴로지(topology)를 찾기 (3) 민감도 분석. 모델링 결과 GATDNN을 사용하여 제시된 모델 링 기술이 높은 정확도로 출력을 예측하고 주요 작동 변수를 식별하는 데 유용한 도구임을 보여주었다. 이 작업은 고도 하수처리장 운전을 위한 신뢰할 수 있는 제어 전략의 개발을 가능하게 하여 엔지니어의 부담을 줄여 줄 수 있다.

목차

Abstact
요약문
I. 서론
II. 방법
1. 시간 지연 신경망(time-delay neural network, TDNN)
2. 유전자 알고리즘(GAs)이 수반된 시간지연 신경망(TDNN)
III. 결과 및 고찰
1. 바덴포(Bardenpho) 고도하수처리 공정
2. 바덴포(Bardenpho) 고도하수처리 공정 모델링 및 결과
IV. 결론
References

키워드

저자

• Yoonseok Timothy Hong [ London South Bank University, United Kingdom ]
• Byeongcheon Paik [ 백병천 | Department of Environmental System Engineering, Chonnam National University ] Corresponding Author

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국도시환경학회지 [Journal of the Korean Society of Urban Environment]

• 간기

  계간

• pISSN

  1598-253X

• 수록기간

  2001~2026

• 십진분류

  KDC 539 DDC 628