1 |
1
소독공정의 공정인자 및 수질인자를 수집하기 위한 데이터 수집부;
상기 공정인자 및 수질인자를 입력받아, 미리 구비되어 있는 적어도 하나 이상의 인공신경망 모델 대상 중 어느 하나를 인공신경망 모델로 적용하기 위한 인공신경망 모델부; 및
'상기 인공신경망 모델을 통해 출력된 소독부산물의 예측값'과 '정수처리시스템에서 실제로 확인된 소독부산물의 실제값'에 대한 오차와 기 설정된 임계값의 비교결과에 따라 최적 인공신경망 모델을 선택하기 위한 피드백을 수행한 후 소독부산물의 생성결과를 예측하기 위한 피드백부을 포함하고,
상기 소독부산물의 생성결과는,
상기 소독부산물의 발생농도 또는 발생량인
인공신경망을 이용한 소독부산물의 생성결과 예측 장치
|
2 |
2
제 1 항에 있어서,
상기 데이터 수집부는,
상기 공정인자 및 수질인자를 정수처리시스템에서 수집하여 데이터베이스를 구축하는
인공신경망을 이용한 소독부산물의 생성결과 예측 장치
|
3 |
3
제 1 항에 있어서,
상기 인공신경망 모델부는,
상기 인공신경망 모델을 적용할 때, 입력층과 출력층 간에 은닉층을 두는 다층구조에서 데이터를 훈련시키는 다층 퍼셉트론을 이용하는
인공신경망을 이용한 소독부산물의 생성결과 예측 장치
|
4 |
4
제 3 항에 있어서,
상기 인공신경망 모델부는,
상기 예측값 및 상기 실제값에 대한 오차를 감소시키는 방향으로 상기 인공신경망 모델의 연결강도를 조정하는
인공신경망을 이용한 소독부산물의 생성결과 예측 장치
|
5 |
5
제 1 항에 있어서,
상기 피드백부는,
상기 예측값 및 상기 실제값에 대한 오차가 기 설정된 임계값 이하이면, 상기 예측값 및 실제값이 일치하는 경우로 간주하여 상기 인공신경망 모델을 최적 인공신경망 모델로 선택하는
인공신경망을 이용한 소독부산물의 생성결과 예측 장치
|
6 |
6
제 1 항에 있어서,
상기 피드백부는,
상기 예측값 및 상기 실제값에 대한 오차가 기 설정된 임계값 이상이면, 상기 인공신경망 모델 이외에 다른 인공신경망 모델을 다시 적용하는
인공신경망을 이용한 소독부산물의 생성결과 예측 장치
|
7 |
7
제 1 항에 있어서,
소독부산물 예측 프로그램이 기 탑재된 사용자 단말기에 연결되어 소독부산물 예측 과정을 제어할 수 있는 사용자 환경을 제공하기 위한 사용자 인터페이스부를 더 포함하는
인공신경망을 이용한 소독부산물의 생성결과 예측 장치
|
8 |
8
제 1 항에 있어서,
상기 소독공정은,
1차적으로 오존 또는 이산화염소를 이용한 소독공정을 진행하고, 2차적으로 염소를 이용한 소독공정을 진행하는 복합소독 공정인
인공신경망을 이용한 소독부산물의 생성결과 예측 장치
|
9 |
9
제 1 항에 있어서,
상기 공정인자는, 유량, 반응조 크기, 정수지 거리, 소독제 종류 및 주입량, 시설 제원, 도류벽 조건이고,
상기 수질인자는, 산성도, 온도, 용존유기탄소, 흡광도값, 반응시간, 잔류염소인
인공신경망을 이용한 소독부산물의 생성결과 예측 장치
|
10 |
10
제 9 항에 있어서,
상기 인공신경망 모델 대상은,
하나의 정수처리시스템에서 최적 인공신경망 모델을 선택하기 위해 구비됨에 따라, 상기 공정인자 및 상기 수질인자에서 소독제 주입량 이외에 다른 인자에 대해서 동일하게 유지하는 것을 특징으로 하는
인공신경망을 이용한 소독부산물의 생성결과 예측 장치
|
11 |
11
제 1 항에 있어서,
상기 소독부산물은,
트리할로메탄, 할로아세토나이트릴, 할로아세틱엑시드, 할로케톤, 할로아세테이트, 할로알데히드, 할로아로마틱, 할로아민, 할로에테르, 클로랄하이트레이트 중 어느 하나인
인공신경망을 이용한 소독부산물의 생성결과 예측 장치
|
12 |
12
삭제
|
13 |
13
소독공정의 공정인자 및 수질인자를 수집하는 수집 단계;
상기 공정인자 및 수질인자를 입력받아, 미리 구비되어 있는 적어도 하나 이상의 인공신경망 모델 대상 중 어느 하나를 인공신경망 모델로 적용하는 적용 단계;
'상기 인공신경망 모델을 통해 출력된 소독부산물의 예측값'과 '정수처리시스템에서 실제로 확인된 소독부산물의 실제값'에 대한 오차와 기 설정된 임계값의 비교결과에 따라 최적 인공신경망 모델을 선택하기 위한 피드백을 수행하는 수행 단계; 및
상기 선택된 최적 인공신경망 모델을 이용하여 소독부산물의 생성결과를 예측하는 예측 단계를 포함하고,
상기 소독부산물의 생성결과는,
상기 소독부산물의 발생농도 또는 발생량인
인공신경망을 이용한 소독부산물의 생성결과 예측 방법
|
14 |
14
제 13 항에 있어서,
상기 적용 단계는,
상기 인공신경망 모델을 적용할 때, 입력층과 출력층 간에 은닉층을 두는 다층구조에서 데이터를 훈련시키는 다층 퍼셉트론을 이용하는
인공신경망을 이용한 소독부산물의 생성결과 예측 방법
|
15 |
15
제 14 항에 있어서,
상기 적용 단계는,
상기 예측값 및 상기 실제값에 대한 오차를 감소시키는 방향으로 상기 인공신경망 모델의 연결강도를 조정하는
인공신경망을 이용한 소독부산물의 생성결과 예측 방법
|
16 |
16
제 13 항에 있어서,
상기 수행 단계는,
상기 예측값 및 상기 실제값에 대한 오차가 기 설정된 임계값 이하이면, 상기 예측값 및 실제값이 일치하는 경우로 간주하여 상기 인공신경망 모델을 최적 인공신경망 모델로 선택하는
인공신경망을 이용한 소독부산물의 생성결과 예측 방법
|
17 |
17
제 13 항에 있어서,
상기 수행 단계는,
상기 예측값 및 상기 실제값에 대한 오차가 기 설정된 임계값 이상이면, 상기 인공신경망 모델 이외에 다른 인공신경망 모델을 다시 적용하는
인공신경망을 이용한 소독부산물의 생성결과 예측 방법
|
18 |
18
제 13 항에 있어서,
상기 소독공정은,
1차적으로 오존 또는 이산화염소를 이용한 소독공정을 진행하고, 2차적으로 염소를 이용한 소독공정을 진행하는 복합소독 공정인
인공신경망을 이용한 소독부산물의 생성결과 예측 방법
|
19 |
19
제 13 항에 있어서,
상기 공정인자는, 유량, 반응조 크기, 정수지 거리, 소독제 종류 및 주입량, 시설 제원, 도류벽 조건이고,
상기 수질인자는, 산성도, 온도, 용존유기탄소, 흡광도값, 반응시간, 잔류염소인
인공신경망을 이용한 소독부산물의 생성결과 예측 방법
|
20 |
20
제 19 항에 있어서,
상기 인공신경망 모델 대상은,
하나의 정수처리시스템에서 최적 인공신경망 모델을 선택하기 위해 구비됨에 따라, 상기 공정인자 및 상기 수질인자에서 소독제 주입량 이외에 다른 인자에 대해서 동일하게 유지하는 것을 특징으로 하는
인공신경망을 이용한 소독부산물의 생성결과 예측 방법
|
21 |
21
제 13 항에 있어서,
상기 소독부산물은,
트리할로메탄, 할로아세토나이트릴, 할로아세틱엑시드, 할로케톤, 할로아세테이트, 할로알데히드, 할로아로마틱, 할로아민, 할로에테르, 클로랄하이트레이트 중 어느 하나인
인공신경망을 이용한 소독부산물의 생성결과 예측 방법
|
22 |
22
삭제
|
23 |
23
삭제
|