본 연구에서는 순환식 돈분 폐수 처리 시스템에서의 미생물 분포에 따른 폐수 처리 효과를 모델링하기 위해 신경회로망과 PCA를 이용하는 새로운 방법을 제안하였다. PCA 분석 결과를 바탕으로 신경회로망의 최적 입력 조건을 찾고, 실측 데이터를 이용하여, 폐수 처리 시스템의 각 탱크를 별도로 학습함으로써 비교적 적은 수의 데이터에도 불구하고 정확한 모델링 결과를 얻었다. 제안한 시스템은 폐수 처리 시스템의 효과적인모니터링 시스템으로 사용할 수 있으며, 향후 실제 돈분 처리 시스템에서 원하는 기준의 방류수를 얻기 위한 최적의 입력조건 (미생물밀도 등)을 결정하는데 있어서 에뮬레이터로 사용될 수 있을 것으로 기대된다.
본 연구에서는 순환식 돈분 폐수 처리 시스템에서의 미생물 분포에 따른 폐수 처리 효과를 모델링하기 위해 신경회로망과 PCA를 이용하는 새로운 방법을 제안하였다. PCA 분석 결과를 바탕으로 신경회로망의 최적 입력 조건을 찾고, 실측 데이터를 이용하여, 폐수 처리 시스템의 각 탱크를 별도로 학습함으로써 비교적 적은 수의 데이터에도 불구하고 정확한 모델링 결과를 얻었다. 제안한 시스템은 폐수 처리 시스템의 효과적인모니터링 시스템으로 사용할 수 있으며, 향후 실제 돈분 처리 시스템에서 원하는 기준의 방류수를 얻기 위한 최적의 입력조건 (미생물밀도 등)을 결정하는데 있어서 에뮬레이터로 사용될 수 있을 것으로 기대된다.
A recycling reactor system operated under sequential anoxic and oxic conditions for the swine wastewater has been developed, in which piggery slurry is fermentatively and aerobically treated and then part of the effluent recycled to the pigsty. This system significantly removes offensive smells (at ...
A recycling reactor system operated under sequential anoxic and oxic conditions for the swine wastewater has been developed, in which piggery slurry is fermentatively and aerobically treated and then part of the effluent recycled to the pigsty. This system significantly removes offensive smells (at both pigsty and treatment plant), BOD and other loads, and appears to be costeffective for the small-scale farms. The most dominant heterotrophs were Alcaligenes faecalis, Brevundimonas diminuta and Streptococcus sp. in order while lactic acid bacteria were dominantly observed in the anoxic tank. We propose a novel monitoring system for a recycling piggery slurry treatment system through neural networks. Here we tried to model treatment process for each tank(influent, fermentation, aeration, first sedimentation and fourth sedimentation tanks) in the system based on population densities of heterotrophic and lactic acid bacteria. Principle component analysis(PCA) was first applied to identify a relation between input(microbial densities and parameters for the treatment such as population densities of heterotrophic and lactic acid bacteria, suspended solids (SS), COD, $NH_3-N$, ortho-P, and total-P) and output, and then multilayer neural networks were employed to model the treatment process for each tank. PCA filtration of input data as microbial densities was found to facilitate the modeling procedure for the system monitoring even with a relatively lower number of input. Neural networks independently trained for each treatment tank and their subsequent combinatorial data analysis allowed a successful prediction of the treatment system for at least two days.
A recycling reactor system operated under sequential anoxic and oxic conditions for the swine wastewater has been developed, in which piggery slurry is fermentatively and aerobically treated and then part of the effluent recycled to the pigsty. This system significantly removes offensive smells (at both pigsty and treatment plant), BOD and other loads, and appears to be costeffective for the small-scale farms. The most dominant heterotrophs were Alcaligenes faecalis, Brevundimonas diminuta and Streptococcus sp. in order while lactic acid bacteria were dominantly observed in the anoxic tank. We propose a novel monitoring system for a recycling piggery slurry treatment system through neural networks. Here we tried to model treatment process for each tank(influent, fermentation, aeration, first sedimentation and fourth sedimentation tanks) in the system based on population densities of heterotrophic and lactic acid bacteria. Principle component analysis(PCA) was first applied to identify a relation between input(microbial densities and parameters for the treatment such as population densities of heterotrophic and lactic acid bacteria, suspended solids (SS), COD, $NH_3-N$, ortho-P, and total-P) and output, and then multilayer neural networks were employed to model the treatment process for each tank. PCA filtration of input data as microbial densities was found to facilitate the modeling procedure for the system monitoring even with a relatively lower number of input. Neural networks independently trained for each treatment tank and their subsequent combinatorial data analysis allowed a successful prediction of the treatment system for at least two days.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
12). 본 연구에서는 돈분폐수의 생물학적처리에 있어서 미생물의 밀도 그리고 처리 효율평가에 중요한 요인들 즉 부유고형물(suspended solids: SS), 총질소(total-N), 암모니아태질소(NH3-N), 총인(total*), 무기인 (ort/w-P), COD 등을 입력 또는 출력변수로 하여 비선형 함수를 잘 모델화할 수 있는 다층구조 신경회로망기법을 적용한 폐수 처리시스템의 에뮬레이터를 구축하여 궁극적으로 최적폐수처리의 실시간 모니터링 시스템을 구현하고자 하였다.
본 연구에서는 순환식 돈분 폐수 처리 시스템에서의 미생물 분포에 따른 폐수 처리효과를 모델링하기 위해 신경회로망과 PCA를 이용하는 새로운 방법을 제안하였다. PCA 분석 결과를 바탕으로 신경회로망의 최적 입력 조건을 찾고, 실측 데이터를 이용하여, 폐수 처리 시스템의 각 탱크를 별도로 학습함으로써 비교적 적은 수의데이터에도 불구하고 정확한 모델링 결과를 얻었다.
9%를 차지하는 경우도 있다6). 제도적으로는 법규제 규모미만의 소규모 축산농가가 많고 규제대상 농가도 규제기준이 낮은 실정이고, 축산폐수처리 관리상으로는 축산농가의 환경에 대한 인식부족과 운영능력 미흡 등으로 축산폐수처리시설의 운영관리가 부실하고, 이에 대한 지도 . 점검 .
제안 방법
신경회로망을 이용한 각 탱크 특성 모델링은 각각의 탱크에서 복잡한 함수관계를 잘 근사화 하여 실제측정치와 유사한 값을 출력하고, 학습하지 않은 테스트 데이터에 대해서도 어느정도 추정할 수 있음을 확인할 수 있었다. 각각의 탱크 특성을 모델링하는 신경회로망을 연결하여 순환식 돈분 처리 시스템의 모니터링을 위한 전체 시스템을구성하고 46일째 유입수의 데이터로부터 이틀 동안의 시스템의 출력을 예상한 결과를 조사하였다. 그림 3과 4에서 COD와 NH3의 실측값 및 신경망 출력치를 그래프로 비교하여 나타내었다.
본 연구에 사용된 돈분폐수는 김해 축산폐수 공동처리장의 혼합저류조에서 채취하였으며 성상은 약 COD 4000 (mg/L), BOD 7000(mg/L), T-N 2100(mg/L), T-P 172(mg/L)였다. 매 8 일마다 유입수를 원수 : 방류수 : 수도수 = 33% : 57% : 10% 섞어서 공급 하였다. 이때 포도당을 첨가하여 C/N 비를 100 : 15로 조절하였고 현장조건을 고려하여 유입수 및 폭기조에 미생물 제재 l%(w/v)를 첨가하였다.
이때 포도당을 첨가하여 C/N 비를 100 : 15로 조절하였고 현장조건을 고려하여 유입수 및 폭기조에 미생물 제재 l%(w/v)를 첨가하였다. 발효조 및 폭기조의 수리학적 체류시간은 4일 이었고 47일간 운전하였다. 처리시스템의 미생물(유산균 및 종속영양세균)의 밀도, SS, total Kjeldahl-N, NH3-N, total-P, ortho-P, COD 및 BOD 등의 측정은 이전 보고$에 준하여 실시하였다.
매 8 일마다 유입수를 원수 : 방류수 : 수도수 = 33% : 57% : 10% 섞어서 공급 하였다. 이때 포도당을 첨가하여 C/N 비를 100 : 15로 조절하였고 현장조건을 고려하여 유입수 및 폭기조에 미생물 제재 l%(w/v)를 첨가하였다. 발효조 및 폭기조의 수리학적 체류시간은 4일 이었고 47일간 운전하였다.
대상 데이터
8v/v/m)되었으며 폭기조의 폐수는 침전조인 6번과 7번 탱크에서 침전과정을 거치고 8번 저장탱크에 저장되며 그 일부는 돈사를 세척하는데 이용되었다. 본 연구에 사용된 돈분폐수는 김해 축산폐수 공동처리장의 혼합저류조에서 채취하였으며 성상은 약 COD 4000 (mg/L), BOD 7000(mg/L), T-N 2100(mg/L), T-P 172(mg/L)였다. 매 8 일마다 유입수를 원수 : 방류수 : 수도수 = 33% : 57% : 10% 섞어서 공급 하였다.
이론/모형
제외하였다. 학습에 사용된 신경회로망의 형태는 하나의 은닉층을 가지는 구조를 이용하였고 각각의 연결강도는 오류역전파 알고리즘에 의해 수정되었다. 신경회로망을 이용한 각 탱크 특성 모델링은 각각의 탱크에서 복잡한 함수관계를 잘 근사화 하여 실제측정치와 유사한 값을 출력하고, 학습하지 않은 테스트 데이터에 대해서도 어느정도 추정할 수 있음을 확인할 수 있었다.
성능/효과
제안하였다. PCA 분석 결과를 바탕으로 신경회로망의 최적 입력 조건을 찾고, 실측 데이터를 이용하여, 폐수 처리 시스템의 각 탱크를 별도로 학습함으로써 비교적 적은 수의데이터에도 불구하고 정확한 모델링 결과를 얻었다. 제안한 시스템은 폐수 처리 시스템의 효과적인 모니터링 시스템으로 사용할 수 있으며, 향후 실제 돈분 처리 시스템에서 원하는 기준의 방류수를 얻기 위한 최적의 입력조건 (미생물밀도 등)을 결정하는데 있어서 에뮬레이터로 사용될 수 있을 것으로 기대된다.
학습에 사용된 신경회로망의 형태는 하나의 은닉층을 가지는 구조를 이용하였고 각각의 연결강도는 오류역전파 알고리즘에 의해 수정되었다. 신경회로망을 이용한 각 탱크 특성 모델링은 각각의 탱크에서 복잡한 함수관계를 잘 근사화 하여 실제측정치와 유사한 값을 출력하고, 학습하지 않은 테스트 데이터에 대해서도 어느정도 추정할 수 있음을 확인할 수 있었다. 각각의 탱크 특성을 모델링하는 신경회로망을 연결하여 순환식 돈분 처리 시스템의 모니터링을 위한 전체 시스템을구성하고 46일째 유입수의 데이터로부터 이틀 동안의 시스템의 출력을 예상한 결과를 조사하였다.
후속연구
PCA 분석 결과를 바탕으로 신경회로망의 최적 입력 조건을 찾고, 실측 데이터를 이용하여, 폐수 처리 시스템의 각 탱크를 별도로 학습함으로써 비교적 적은 수의데이터에도 불구하고 정확한 모델링 결과를 얻었다. 제안한 시스템은 폐수 처리 시스템의 효과적인 모니터링 시스템으로 사용할 수 있으며, 향후 실제 돈분 처리 시스템에서 원하는 기준의 방류수를 얻기 위한 최적의 입력조건 (미생물밀도 등)을 결정하는데 있어서 에뮬레이터로 사용될 수 있을 것으로 기대된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.