[VII-31] An Examination on Predictive Application and Learning Period Length of NN Model for Residual Chlorine Concentration in Water Pipeline Networks
Keywords:Water Pipeline Networks, Residual Chlorine Concentration, Neural Network, first-order reaction model
筆者らは、管網末端での残留塩素濃度の減少幅を予測するニューラルネットワーク(NN)モデルを構築した。一般にNNの学習処理では、より多様な情報を訓練データとして与える方が有利に働くため、長期間のデータを活用したモデルの方が短期間のモデルよりも優れた性能を有すると期待できる。しかし、構築したNNモデルを夏期のシミュレーションに適用すると、仮想的な入力値の変化に対して適切な応答反応を示したのは訓練期間が短期(2週間)のモデルであり、逆に長期(2ヶ月)のモデルに問題点が示唆された。この原因について、残留塩素濃度の減少に関する1次反応式を援用し、初期濃度の変化と水温由来の減少速度係数に着目して考察した。
Please log in with your participant account.
» Participant Log In