• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.1400-1404
• /
• 2006

생물학적 질소, 인 제거 공정(이하 BNR)의 운전에 있어서 최적 유입수의 C/N(COD/TKN)비, SRT 및 온도의 범위 및 정량적 수치 등은 유기물 뿐 만아니라 질소, 인의 처리 효율에 있어서 매우 중요하다. 특히, 외국과 다른 저농도 유기물 특성을 보이는 국내 하수에 대해서는 BNR 공정의 선택과 설계 및 운전인자의 선별이 무엇보다도 중요한 역할을 한다. 본 연구에서는 IAWQ에서 제시한 ASM No.2d를 기초로 하여 만들어진 전산모형인 Envirosim사의 Biowin 프로그램을 시뮬레이션 도구로 활용하여, 국내 하수에 비교적 적용하기 용이한 A2/O 공정과 MUCT 공정에 대한 유기물, 질소 및 인처리 효율을 비교하고 유입수의 C/N와 SRT 및 온도에 따른 질소, 인 처리 특성과 유출수의 거동 등을 파악하였다. 시뮬레이션 결과, 국내 하수에서는 A2/O 보다는 MUCT 공정이 질소, 인 처리효율이 더 크게 나타났다. 온도와 SRT가 일정한 상태에서 C/N비는 7이상에서 TKN과 TP제거효율이 양호하게 나타났고, 온도와 C/N비를 일정한 조건에서는 SRT가 7일을 넘어서면 효율이 급격히 낮아지는 현상을 관찰할 수 있었다. 온도조건 실험에서는 $20^{\circ}C$이하, 특히 국내 하수처리장에 BNR 적용시 설게조건인 $13^{\circ}C$에 근접해서는 TKN의 제거효율은 급격히 떨어지는 반면에 인 제거효율이 상승하는 것으로 나타났다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.10 no.4
• /
• pp.343-350
• /
• 2000

In this paper, we propose the Multi-FPNN(Fuzzy Polynomial Neural Networks) model based on FNN and PNN(Polyomial Neural Networks) for optimal system identifacation. Here FNN structure is designed using fuzzy input space divided by each separated input variable, and urilized both in order to get better output performace. Each node of PNN structure based on GMDH(Group Method of Data handing) method uses two types of high-order polynomials such as linearane and quadratic, and the input of that node uses three kinds of multi-variable inputs such as linear and quadratic, and the input of that node and Genetic Algorithms(GAs) to identify both the structure and the prepocessing of parameters of a Multi-FPNN model. Here, HCM clustering method, which is carried out for data preproessing of process system, is utilized to determine the structure method, which is carried out for data preprocessing of process system, is utilized to determance index with a weighting factor is used to according to the divisions of input-output space. A aggregate performance inddex with a wegihting factor is used to achieve a sound balance between approximation and generalization abilities of the model. According to the selection and adjustment of a weighting factor of this aggregate abjective function which it is acailable and effective to design to design and optimal Multi-FPNN model. The study is illustrated with the aid of two representative numerical examples and the aggregate performance index related to the approximation and generalization abilities of the model is evaluated and discussed.