| 1 |
1
MBR 막오염의 진행상황을 예측하는 방법으로서, TMP를 선형화하는 단계; 수학적 행렬식으로 변환된 TMP데이터를 칼만 필터를 이용해 실시간 막오염 예측모델을 생성하는 단계;를 포함하는 것을 특징으로 하는 MBR 막오염 예측방법
|
| 2 |
2
MBR 막세정 조기경보방법으로서, 데이터 기반 인공지능 머신러닝을 통해 실시간 막오염 정도 예측모델을 생성하는 제1단계; 상기 예측모델을 기반으로 막오염 매커니즘을 파악하는 제2단계; 및상기 막오염 매커니즘을 분석하여 막세정주기를 조기결정하는 제3단계;를 포함하는 것을 특징으로 하는 막오염 누적합 관리도 기반 MBR 막세정을 위한 조기경보방법
|
| 3 |
3
제 2항에 있어서, 상기 제1단계는, TMP를 선형화하는 제1-1단계과, 수학적 행렬식으로 변환된 TMP데이터를 칼만 필터를 이용해 실시간 막오염 예측모델을 생성하는 제1-2단계를 포함하는 것을 특징으로 하는 막오염 누적합 관리도 기반 MBR 막세정을 위한 조기경보방법
|
| 4 |
4
제 3항에 있어서, 상기 제2단계는, Hermia 파울링 매커니즘을 기반으로 완전 차단(complete blocking), 중간 차단(intermediate blocking), 케이크 여과 차단(cake filtration blocking) 모델을 생성하는 제2-1단계와 및 상기 모델을 유전 알고리즘(genetic algorihm)을 활용해 key parameter를 최적화하여 해당 기간의 TMP 데이터에 피팅시켜 dominant fouling mechanism을 진단하는 제2-1단계를 포함하는 것을 특징으로 하는 막오염 누적합 관리도 기반 MBR 막세정을 위한 조기경보방법
|
| 5 |
5
제 4항에 있어서, 상기 제3단계는, 막오염 누접합 관리도(FCUSUM, Fouling cumulative sum)을 이용해 막세정주기를 조기결정하는 것을 특징으로 하는 막오염 누적합 관리도 기반 MBR 막세정을 위한 조기경보방법
|
| 6 |
6
MBR 막세정 조기경보시스템으로서, 데이터 기반 인공지능 머신러닝을 통해 실시간 막오염 정도 예측모델을 생성하는 막오염예측부; 상기 예측모델을 기반으로 막오염 매커니즘을 파악하는 막오염 메커니즘 진단부; 및 상기 막오염 매커니즘을 분석하여 막세정주기를 조기결정하는 막세정주기결정부;를 포함하는 것을 특징으로 하는 막오염 누적합 관리도 기반 MBR 막세정을 위한 조기경보시스템
|
| 7 |
7
제 6항에 있어서, 상기 막오염예측부는, TMP를 선형화하고, 수학적 행렬식으로 변환된 TMP데이터를 칼만 필터를 이용해 실시간 막오염 예측모델을 생성하는 것을 특징으로 하는 막오염 누적합 관리도 기반 MBR 막세정을 위한 조기경보시스템
|
| 8 |
8
제 7항에 있어서, 상기 막오염 메커니즘 진단부는, Hermia 파울링 매커니즘을 기반으로 완전 차단(complete blocking), 중간 차단(intermediate blocking), 케이크 여과 차단(cake filtration blocking) 모델을 생성하고, 상기 모델을 유전 알고리즘(genetic algorihm)을 활용해 key parameter를 최적화하여 해당 기간의 TMP 데이터에 피팅시켜 dominant fouling mechanism을 진단하는 것을 특징으로 하는 막오염 누적합 관리도 기반 MBR 막세정을 위한 조기경보시스템
|
| 9 |
9
제 8항에 있어서, 상기 막세정주기 결정부는, 막오염 누접합 관리도(FCUSUM, Fouling cumulative sum)을 이용해 막세정주기를 조기결정하는 것을 특징으로 하는 막오염 누적합 관리도 기반 MBR 막세정을 위한 조기경보시스템
|
| 10 |
10
컴퓨터에 의해 판독되어 제2항 내지 제5항 중 어느 한 항에 따른 조기결보방법을 실행시키는 것을 특징ㅈ으로 하는 프로그램
|
