[論文レビュー] Time Series Dataset for Modeling and Forecasting of $N_2O$ in Wastewater Treatment

Laura Debel Hansen, Anju Rani+4 more|arXiv (Cornell University)|Jul 8, 2024

Water Quality Monitoring and Analysis被引用数 4

ひとこと要約

本論文は、デンマークのコペンハーゲンに位置する全スケールの下水処理施設から得られた2年間、2分間隔の高分解能時系列データセットを提示している。このデータセットには、亜酸化窒素（N₂O）および関連する運用、環境、制御パラメータが含まれる。このデータセットを用いることで、機械学習およびデータ駆動型手法を用いたN₂O排出の高度なモデリングと予測が可能となり、非定常性、季節性、間欠的特性といった現実世界の複雑さに対応し、下水処理分野における排出低減戦略の改善が図られる。

ABSTRACT

In this paper, we present two years of high-resolution nitrous oxide ($N_2O$) measurements for time series modeling and forecasting in wastewater treatment plants (WWTP). The dataset comprises frequent, real-time measurements from a full-scale WWTP, with a sample interval of 2 minutes, making it ideal for developing models for real-time operation and control. This comprehensive bio-chemical dataset includes detailed influent and effluent parameters, operational conditions, and environmental factors. Unlike existing datasets, it addresses the unique challenges of modeling $N_2O$, a potent greenhouse gas, providing a valuable resource for researchers to enhance predictive accuracy and control strategies in wastewater treatment processes. Additionally, this dataset significantly contributes to the fields of machine learning and deep learning time series forecasting by serving as a benchmark that mirrors the complexities of real-world processes, thus facilitating advancements in these domains. We provide a detailed description of the dataset along with a statistical analysis to highlight its characteristics, such as nonstationarity, nonnormality, seasonality, heteroscedasticity, structural breaks, asymmetric distributions, and intermittency, which are common in many real-world time series datasets and pose challenges for forecasting models.

研究の動機と目的

• 全スケールの下水処理施設（WWTP）におけるN₂O排出のモデリングおよび予測に用いる包括的で現実世界の時系列データセットを提供すること。
• N₂Oは二酸化炭素（CO₂）の265倍の地球温暖化潜在能力を有する強力な温室効果ガスであるため、リアルタイム制御および排出低減を目的としたデータ駆動型およびメカニズム的モデルの開発を支援すること。
• 活性汚泥プロセスにおけるN₂Oの詳細な生化学的および制御信号を含む、公開可能な高分解能運用データセットの不足を解消すること。
• 時系列予測モデルの評価および環境工学分野における機械学習応用の前進を目的としたベンチマークを提供すること。
• 水処理分野におけるN₂O排出のモデリングおよび制御の分野での協働および標準化を促進すること。

提案手法

• Avedøre WWTP（コペンハーゲン、デンマーク）で2022年6月から2024年6月にかけて、SCADAおよびクラウドベースの制御プラットフォームを用いて2分間隔でデータ収集が行われた。
• データセットには24の信号が含まれる：12のセンサ測定値（例：N₂O、NH₄⁺、NO₃⁻、DO、SS、温度、流量）および12の制御信号（例：酸素設定値、バルブ位置、フェーズコード）。
• 運用データは、施設のSCADAシステムと統合されたオンラインクラウドプラットフォームから抽出され、リアルタイムの正確性と一貫性が保証された。
• 非定常性、非正規性、季節性、異分散性、構造的変化、非対称分布などのデータ特性を特徴付けるために、統計解析が実施された。
• データセットには、雨水混入モード（SWM）イベントおよび交互に空気を供給する制御フェーズが含まれており、現実の運用ダイナミクスを反映している。
• このデータセットはMendeley Data（DOI: 10.17632/xmbxhscgpr.1）を通じて公開されており、ベンチマーク評価およびモデル開発に利用可能である。

Figure 1: Layout of a WWTP with ASP. The parameters $k$ , $m$ , and $n$ vary based on plant-specific dimensioning. Adapted from [ 1 ] .

実験結果

リサーチクエスチョン

• RQ1 全スケールの活性汚泥プロセスにおけるN₂O濃度の変動の主な運用的および環境的要因は何か？
• RQ2 現実の下水処理データに見られる非定常性、間欠的特性、季節的変動が、時系列予測モデルの性能にどのように影響を与えるか？
• RQ3 高分解能で全スケールの運用データが、N₂O排出予測および制御戦略の正確性をどの程度向上できるか？
• RQ4 交互に空気を供給する制御戦略や雨水管理戦略が、時間経過とともにN₂O排出にどのように影響を与えるか？
• RQ5 このデータセットは、環境時系列予測における機械学習およびディープラーニングモデルの評価に信頼できるベンチマークとして機能できるか？

主な発見

• 本データセットは、複雑な現実世界のダイナミクスを捉える24か月にわたる連続的で高分解能（2分間隔）の測定を含む。
• N₂O濃度は広範囲に変動し、記録された最大値は12.0 mg/Lに達しており、排出の著しい変動性が示された。
• データには強い非定常性、季節性、および構造的変化が見られ、特に雨水混入イベントや運用フェーズの変更時に顕著であった。
• 制御信号としての酸素設定値やバルブ位置は動的変化を示しており、酸素設定値は0.0〜2.5 mg/L、バルブ位置は0%〜100%の範囲で変動した。
• データセットには12の運用信号と12のセンサ測定値が含まれており、監視タンク全体の平均N₂O濃度は0.1 mg/L、標準偏差は0.2 mg/Lであった。
• 本データセットの公開により、研究者が現実的で複雑な条件下でのモデルの検証と評価が可能となり、環境工学および機械学習分野の応用が前進する。

Figure 2: Aerial photograph of the 8 aeration tanks at the case plant. The sensor placement, aeration field and flow directions are indicated in tank 1 and tank 2 for line 3.