Monitoring of Recycling Treatment System for Piggery Slurry Using Neural Networks

신경회로망을 이용한 순환식 돈분처리 시스템의 모니터링

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) 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.

이 논문에서는 신경회로망을 이용하여 순환식 돈분처리 시스템의 실시간 모니터링을 궁극적으로 구현할 수 있는 새로운 방법을 제안하였다. 즉 미생물 군집내의 개체군밀도에 따른 각 처리조(유입수, 발효조, 폭기조, 1차 침전조 및 4차 침전조)에서의 폐수처리 과정을 모델을 시도하였다. 측정 데이터에 대해 우선 principle component analysis(PCA) 분석을 적용하여 각 처리조에서의 입력(미생물 밀도와 처리요소)과 출력간의 상관관계를 파악하고, 각각의 처리조마다 독립된 신경회로망을 적용하여 폐수처리 과정을 모델링하였다. 신경회로망의 입력으로 현재 탱크에서의 미생물의 개체군밀도를 직접 이용하는 대신 PCA 분석 결과를 이용함으로써, 비교적 적은 수의 데이터로 효과적인 모니터링 시스템을 구현할 수 있었다. 즉 각 처리조별로 학습된 신경회로망들을 연결하여 분석한 결과 2일 동안의 폐수 처리 변화를 비교적 정확히 예측할 수 있었다.