Search

JP-2026076834-A - 水需要予測プログラム、情報処理装置及び水需要予測方法

JP2026076834AJP 2026076834 AJP2026076834 AJP 2026076834AJP-2026076834-A

Abstract

【課題】家庭等に対して供給する必要がある浄水の量を精度良く予測することを可能とする情報処理装置を提供する。 【解決手段】複数の第１時間帯のそれぞれに対応する複数の第１教師データであって、各時間帯の第１地域における気象状況を示す第１気象情報と、各時間帯に対応する１以上の時間帯の第１地域において必要な処理水についての水量を示す第１水量情報の時系列データとをそれぞれ含む複数の第１教師データの機械学習を行うことによって第１学習モデルを生成し、生成した第１学習モデルを記憶部に記憶する。 【選択図】図５

Inventors

  • 松本 和則
  • 指田 陽平

Assignees

  • メタウォーター株式会社

Dates

Publication Date
20260512
Application Date
20241024

Claims (9)

  1. 複数の第１時間帯のそれぞれに対応する複数の第１教師データであって、各時間帯の第１地域における気象状況を示す第１気象情報と、各時間帯に対応する１以上の時間帯の前記第１地域において必要な処理水についての水量を示す第１水量情報の時系列データとをそれぞれ含む複数の第１教師データの機械学習を行うことによって第１学習モデルを生成し、 生成した前記第１学習モデルを記憶部に記憶する、処理をコンピュータに実行させる水需要予測プログラム。
  2. 前記第１気象情報は、各時間帯の前記第１地域における天気を示す情報と、各時間帯の前記第１地域における気温を示す情報と、各時間帯の前記第１地域における降水量を示す情報とのうちの少なくともいずれかを含む、請求項１に記載の水需要予測プログラム。
  3. さらに、前記複数の第１時間帯のそれぞれに対応する複数の第２教師データであって、各時間帯に対応する第１気象情報を含まず、かつ、各時間帯に対応する前記第１水量情報の時系列データをそれぞれ含む前記複数の第２教師データの機械学習を行うことによって第２学習モデルを生成し、 生成した前記第２学習モデルを記憶部に記憶する、処理をコンピュータに実行させる請求項２に記載の水需要予測プログラム。
  4. 複数の第１時間帯のそれぞれに対応する複数の第１教師データであって、各時間帯の第１地域における気象状況を示す第１気象情報と、各時間帯に対応する１以上の時間帯の前記第１地域において必要な処理水について水量を示す第１水量情報の時系列データとをそれぞれ含む前記複数の第１教師データの機械学習を行うことによって生成された第１学習モデルに対して、第２時間帯の第２地域における気象状況を示す第２気象情報を入力し、前記第１学習モデルに対する前記第２気象情報の入力に伴って出力された、前記第２時間帯に対応する１以上の時間帯の前記第２地域において必要な処理水について水量を示す第２水量情報の時系列データを取得し、 取得した前記第２水量情報の時系列データを出力する、処理をコンピュータに実行させる水需要予測プログラム。
  5. 前記第２水量情報の時系列データを取得する処理では、 前記第２気象情報が所定の条件を満たす場合、前記第１学習モデルに対して前記第２気象情報を入力し、 前記第２気象情報が前記所定の条件を満たさない場合、前記複数の第１時間帯のそれぞれに対応する複数の第２教師データであって、各時間帯に対応する前記第１気象情報を含まず、かつ、各時間帯に対応する前記第１水量情報をそれぞれ含む前記複数の第２教師データの機械学習を行うことによって生成された第２学習モデルに対して、前記第２時間帯を示す情報を入力し、前記第２学習モデルに対する前記第２時間帯を示す情報の入力に伴って出力された、前記第２時間帯に対応する１以上の時間帯の前記第２地域において必要な処理水について水量を示す他の第２水量情報の時系列データを取得し、 前記第２水量情報の時系列データを出力する処理では、取得した前記第２水量情報の時系列データまたは前記他の第２水量情報の時系列データを出力する、請求項４に記載の水需要予測プログラム。
  6. 複数の第１時間帯のそれぞれに対応する複数の第１教師データであって、各時間帯の第１地域における気象状況を示す第１気象情報と、各時間帯に対応する１以上の時間帯の前記第１地域において必要な処理水についての水量を示す第１水量情報の時系列データとをそれぞれ含む複数の第１教師データの機械学習を行うことによって第１学習モデルを生成するモデル生成部と、 生成した前記第１学習モデルを記憶する記憶部とを有する、情報処理装置。
  7. 複数の第１時間帯のそれぞれに対応する複数の第１教師データであって、各時間帯の第１地域における気象状況を示す第１気象情報と、各時間帯に対応する１以上の時間帯の前記第１地域において必要な処理水について水量を示す第１水量情報の時系列データとをそれぞれ含む前記複数の第１教師データの機械学習を行うことによって生成された第１学習モデルに対して、第２時間帯の第２地域における気象状況を示す第２気象情報を入力し、前記第１学習モデルに対する前記第２気象情報の入力に伴って出力された、前記第２時間帯に対応する１以上の時間帯の前記第２地域において必要な処理水について水量を示す第２水量情報の時系列データを取得する情報推定部と、 取得した前記第２水量情報の時系列データを出力する情報出力部と、を有する、情報処理装置。
  8. 複数の第１時間帯のそれぞれに対応する複数の第１教師データであって、各時間帯の第１地域における気象状況を示す第１気象情報と、各時間帯に対応する１以上の時間帯の前記第１地域において必要な処理水についての水量を示す第１水量情報の時系列データとをそれぞれ含む複数の第１教師データの機械学習を行うことによって第１学習モデルを生成し、 生成した前記第１学習モデルを記憶部に記憶する、処理をコンピュータが実行する水需要予測方法。
  9. 複数の第１時間帯のそれぞれに対応する複数の第１教師データであって、各時間帯の第１地域における気象状況を示す第１気象情報と、各時間帯に対応する１以上の時間帯の前記第１地域において必要な処理水について水量を示す第１水量情報の時系列データとをそれぞれ含む前記複数の第１教師データの機械学習を行うことによって生成された第１学習モデルに対して、第２時間帯の第２地域における気象状況を示す第２気象情報を入力し、前記第１学習モデルに対する前記第２気象情報の入力に伴って出力された、前記第２時間帯に対応する１以上の時間帯の前記第２地域において必要な処理水について水量を示す第２水量情報の時系列データを取得し、 取得した前記第２水量情報の時系列データを出力する、処理をコンピュータが実行する水需要予測方法。

Description

本開示は、水需要予測プログラム、情報処理装置及び水需要予測方法に関する。 浄水場では、例えば、河川水や井戸水等の原水（以下、被処理水とも呼ぶ）に対して各種の操作を行う水処理設備が設けられる。具体的に、このような水処理設備は、例えば、被処理水に対して各種の操作を行うことによって、対象の地域における家庭等（以下、単に家庭等とも呼ぶ）に対して供給する必要がある浄水（以下、処理水とも呼ぶ）の生成を行う（特許文献１を参照）。 特開２００６－２３３７６４号公報 図１は、第１の実施の形態における水処理システム１０００の構成について説明する図である。図２は、第１の実施の形態における水処理設備１００の構成について説明する図である。図３は、情報処理装置１のハードウエア構成を説明する図である。図４は、第１の実施の形態における情報処理装置１の機能のブロック図である。図５は、第１の実施の形態におけるモデル学習処理の具体例を説明する図である。図６は、第１の実施の形態におけるモデル学習処理の具体例を説明する図である。図７は、第１の実施の形態における水需要予測処理の具体例を説明する図である。図８は、第１の実施の形態における水需要予測処理の具体例を説明する図である。図９は、第１の実施の形態におけるモデル学習処理を説明するフローチャート図である。図１０は、気象情報ＤＴ１の具体例について説明する図である。図１１は、水量情報ＤＴ２の具体例について説明する図である。図１２は、教師データＤＴ１１の具体例について説明する図である。図１３は、教師データＤＴ１２の具体例について説明する図である。図１４は、第１の実施の形態における水需要予測処理を説明するフローチャート図である。図１５は、気象情報ＤＴ１ａの具体例について説明する図である。図１６は、水量情報ＤＴ２ａの時系列データの具体例について説明する図である。図１７は、時間情報ＤＴ０の具体例について説明する図である。図１８は、水量情報ＤＴ２ｂの時系列データの具体例について説明する図である。 以下、図面を参照して本開示の実施の形態について説明する。しかしながら、かかる説明は限定的な意味に解釈されるべきではなく、特許請求の範囲に記載の主題を限定するものではない。また、本開示の趣旨及び範囲から逸脱することがなく様々な変更や置換や改変をすることができる。また、異なる実施の形態を適宜組み合わせることができる。 ［第１の実施の形態における水処理システム１０００］ 初めに、第１の実施の形態における水処理システム１０００の構成例について説明を行う。図１は、第１の実施の形態における水処理システム１０００の構成について説明する図である。また、図２は、第１の実施の形態における水処理設備１００の構成について説明する図である。なお、以下の例におけるポンプや配管の位置や数は、一例であり、これに限られない。 水処理システム１０００は、例えば、浄水プラントに配置される浄水システムである。具体的に、水処理システム１０００は、例えば、情報処理装置１と、制御装置２と、水処理設備１００とを有する。図１に示す例において、情報処理装置１及び制御装置２は、例えば、イーサネット（登録商標）等のネットワーク（図示せず）を介して互いにアクセスが可能である。 水処理設備１００は、例えば、被処理水についての浄水処理を行うことによって処理水を生成する設備である。 具体的に、水処理設備１００は、図２に示すように、例えば、沈砂池１１と、着水井１２と、混和池１３と、フロック形成池１４（以下、単に形成池１４とも呼ぶ）と、沈殿池１５と、濾過池１６と、浄水池１７と、配水池１８と、ポンプＰ１と、ポンプＰ２と、ポンプＰ３と、貯留槽Ｔとを有する。 沈砂池１１は、例えば、河川等から取水された被処理水が最初に流入する槽であり、被処理水に含まれる土砂等を沈殿除去する槽である。 ポンプＰ１は、例えば、沈砂池１１と着水井１２とを連通する配管に設けられるポンプである。具体的に、ポンプＰ１は、例えば、沈砂池１１からの被処理水を着水井１２に供給する。 着水井１２は、例えば、沈砂池１１から供給された被処理水の供給量を調整して混和池１３に供給する槽である。 混和池１３は、例えば、着水井１２から供給された被処理水に対して凝集剤を注入する槽である。 フロック形成池１４は、例えば、混和池１３から供給された被処理水を撹拌することによって、混和池１３から供給された被処理水に含まれる懸濁物質を凝集剤により凝集させてフロックを形成する槽である。 沈殿池１５は、例えば、フロック形成池１４から供給された被処理水に含まれるフロックを沈殿させて被処理水から分離する槽である。 濾過池１６は、例えば、砂や砂利等からなる濾過体（図示せず）を用いることによって、沈殿池１５から供給された被処理水の濾過を行う槽である。 浄水池１７は、例えば、濾過池１６から供給された被処理水（例えば、濾過池１６の後段において塩素消毒が行われた後の被処理水）を一時的に貯留して配水池１８に供給する槽である。 ポンプＰ２は、例えば、浄水池１７と配水池１８とを連通する配管に設けられるポンプである。具体的に、ポンプＰ２は、例えば、浄水池１７からの被処理水（処理水）を配水池１８に供給する。 配水池１８は、例えば、浄水池１７から供給された被処理水（処理水）を一時的に貯留して家庭等（図示せず）に供給する。 貯留槽Ｔは、例えば、被処理水に対して注入する凝集剤を貯留する槽である。 ポンプＰ３は、例えば、貯留槽Ｔと混和池１３とを連通する配管に設けられるポンプである。具体的に、ポンプＰ３は、例えば、管理者によって予め指定された注入率に対応する凝集剤を混和池１３に供給する。 なお、水処理設備１００は、例えば、ポンプＰ１、ポンプＰ２及びポンプＰ３以外のポンプ（図示せず）をさらに有するものであってもよい。また、水処理設備１００は、例えば、被処理水に対して凝集剤以外の薬品（例えば、苛性ソーダ等）を供給するものであってもよい。 情報処理装置１は、例えば、電子回路を有する電子機器である。具体的に、情報処理装置１は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）とメモリとを有する１以上の物理マシンや１以上の仮想マシンである。 そして、情報処理装置１は、例えば、気象状況を示す気象情報（以下、単に気象情報とも呼ぶ）を用いることによって、家庭等に供給する必要がある処理水についての水量を示す水量情報（以下、単に水量情報とも呼ぶ）の時系列データを予測する学習モデル（以下、単に学習モデルとも呼ぶ）を生成する処理（以下、モデル生成処理とも呼ぶ）を行う。 また、情報処理装置１は、例えば、学習モデルを用いて水量情報の時系列データを予測する処理（以下、水需要予測処理とも呼ぶ）を行う。 具体的に、情報処理装置１は、モデル生成処理において、例えば、複数の時間帯（以下、第１時間帯とも呼ぶ）のそれぞれに対応する複数の教師データ（以下、第１教師データとも呼ぶ）であって、各時間帯の所定の地域（以下、第１地域とも呼ぶ）における気象状況を示す気象情報（以下、第１気象情報とも呼ぶ）と、各時間帯に対応する１以上の時間帯（各時間帯よりも後の１以上の時間帯）の第１地域において必要な処理水について水量を示す水量情報（以下、第１水量情報とも呼ぶ）の時系列データとをそれぞれ含む複数の第１教師データの機械学習を行うことによって学習モデル（以下、第１学習モデルとも呼ぶ）を生成する。そして、情報処理装置１は、例えば、生成した第１学習モデルを記憶部に記憶する。なお、複数の第１時間帯のそれぞれは、例えば、過去の時間帯である。 その後、情報処理装置１は、水需要予測処理において、例えば、記憶部に記憶された第１学習モデルに対して、他の時間帯（以下、第２時間帯とも呼ぶ）の他の地域（以下、第２地域とも呼ぶ）における気象状況を示す気象情報（以下、第２気象情報とも呼ぶ）を入力する。そして、情報処理装置１は、例えば、第１学習モデルに対する第２気象情報の入力に伴って出力（予測）された、第２時間帯に対応する１以上の時間帯（第２時間帯よりも後の１以上の時間帯）の第２地域において必要な処理水について水量を示す水量情報（以下、第２水量情報とも呼ぶ）を取得する。さらに、情報処理装置１は、例えば、取得した第２水量情報を出力する。なお、第２地域は、例えば、第１地域と同じ地域であってもよいし、第１地域と異なる地域であってもよい。また、第２時間帯は、例えば、過去または現在の時間帯であってもよいし、将来の時間帯であってもよい。 すなわち、特定の地域の特定の時間帯よりも後の時間帯における水量情報の変化状況は、例えば、特定の地域における特定の時間帯の気象情報と相関関係があると判断することが可能である。気象情報は、例えば、特定の地域における特定の時間帯の天気を示す情報や気温を示す情報や降水量を示す情報等である。 そのため、本実施の形態における情報処理装置１は、例えば、複数の時間帯（第１時間帯）のそれぞれを対応付けられた気象情報（第１気象情報）と水量情報（第１水量情報）とを含む複数の教師データ（第１教師データ）の機械学習によって生成された学習モデル（第１学習モデル）を用いることで、他の時間帯（第２時間帯）よりも後の時間帯における水量情報の変化状況を示す時系列データを精度良く予測することが可能になる。具体的に、本実施の形態における情報処理装置１は、水需要予測処理において、例えば、他の時間帯における気象情報（第２気象情報）を学習モデルに入力することにより、他の時間帯よりも後の時間帯における水量情報の時系列データを精度良く予測することが可能になる。 これにより、本実施の形態における情報処理装置１は、例えば、家庭等に対して供給する必要がある浄水の量、言い換えれば、水処理設備１００において生成する必要がある浄水の量を精度良く予測することが可能になる。 図１に戻り、制御装置２は、例えば、電子回路を有する電子機器である。具体的に、制御装置２は、例えば、ＣＰＵとメモリとを有する１以上の物理マシンや１以上の仮想マシンである。 そして、制御装置２は、例えば、情報処理装置１による水需要予測処理の実行結果に基づいて、各水処理設備１００の制御を行う。 具体的に、制御装置２は、例えば、情報処理装置１による予測結果（水量情報の時系列データについての予測結果）に基づいて、ポンプＰ２に設けられた弁（図示せず）の開度制御を行うことにより、浄水池１７から配水池１８に対して供給される処理水の量（単位時間あたりの量）を制御する。 なお、例えば、浄水池１７と配水池１８とを連通する配管においてポンプＰ２を含む複数台のポンプ（例えば、単に複数台のポンプとも呼ぶ）が設けられている場合、制御装置２は、情報処理装置１による予測結果に基づいて、複数台のポンプから吐出する必要がある処理水の量（単位時間あたりの量）を算出し、さらに、算出した量に対応する処理水を吐出するために必要な台数のポンプを稼働させることにより、配水池１８に供給する処理水の量を制御するものであってもよい。 ［第１の実施の形態における情報処理装置１］ 次に、第１の実施の形態における情報処理装置１の構成について説明を行う。図３は、情報処理装置１のハードウエア構成を説明する図である。 情報処理装置１は、図３に示すように、例えば、プロセッサであるＣＰＵ１０１と、メモリ１０２と、通信装置１０３と、記憶媒体１０４とを有するコンピュータ装置である。各部は、例えば、バス１０５を介して互いに接続される。 記憶媒体１０４は、例えば、モデル学習処理及び水需要予測処理（以下、これらを総称して単に水需要予測処理等とも呼ぶ）を行うためのプログラム１１０を記憶するプログラム格納地域（図示しない）を有する。また、記憶媒体１０４は、例えば、水需要予測処理等を行う際に用いられる情報を記憶する情