运转指标的计算方法及装置、排水处理方法及装置与流程

1.本发明涉及基于生物处理的有机性排水的处理，特别是涉及用于生物处理的运转指标的计算方法以及计算装置、排水处理方法以及排水处理装置。


背景技术：

2.作为在将包含有机物的排水即有机性排水排放到环境中之前进行的排水处理，广泛采用使用微生物的生物处理。在生物处理中，使有机性排水作为被处理水流入生物处理水槽。在生物处理中，为了较高地维持基于微生物的有机物的分解活性，在生物处理水槽中，需要使水温、ph等环境条件最佳化，并且添加氮、磷、微量金属等营养物质。与生活排水流入的公共下水道中的排水相比，在来自工厂的排水中，营养物质容易不足。特别是，在来自化学工厂、半导体制造工厂的排水中，生物处理所需的营养物质的不足显著。另外，基于生物处理的排水处理方法以及排水处理装置也分别被称为生物处理方法以及生物处理装置。
3.推荐营养物质相对于作为有机性排水的被处理水的添加量与被处理水中的有机物浓度成比例。设被处理水中的有机物浓度用生化需氧量(bod)表示，基于好氧性微生物的排水处理即好氧处理中的氮(n)以及磷(p)的优选添加量以质量基准计例如为bod：n：p＝100：5：1。为了确定营养物质的添加量，需要获取流入生物处理水槽的被处理水的bod值。虽然难以在线或者短时间进行bod测量，但水中的总有机碳(toc)浓度的测量能够在线进行。作为一个例子，专利文献1公开了预先获取被处理水中的toc浓度和bod的相关性，通过在线的toc浓度计监测被处理水的toc浓度，在此基础上，将其转换为bod值，基于得到的bod值来控制氮以及磷的添加量。在此，bod值在生物处理水槽中进行生物处理时，作为用于确定营养物质的添加量等运转条件的运转指标使用。
4.在根据在线测量出的toc浓度控制营养物质的添加量的情况下，在在线toc浓度计的配管的内部，有时会因悬浮物质(ss)、油分的蓄积、生物膜的形成等而产生堵塞，测量值变得不稳定。作为不通过toc浓度计来推定bod值的方法，专利文献2公开了在对有机性排水进行生物处理而得到排放水时，测量通过生物处理而产生的二氧化碳的浓度，基于二氧化碳浓度来推定排放水中的bod值。专利文献2还公开了将推定出的bod值作为运转指标，例如增加返回污泥量等来控制生物处理。
5.专利文献2所公开的方法是基于通过生物处理产生的无机碳酸的产生速度与排放水中的有机物浓度成比例，基于生物处理中产生的二氧化碳产生速度来推定bod值，将推定的bod值作为运转指标来调整处理的方法。然而，水中的无机碳酸根据该水的ph，二氧化碳(co2)、碳酸氢根离子(hco
3-)以及碳酸根离子(co
32-)及其形式发生变化，碳酸氢根离子以及碳酸根离子留在水中，因此仅测量二氧化碳浓度不足以推定生物处理中产生的二氧化碳量。进而，一般而言，溶解气体的溶解度取决于温度，在二氧化碳的形式下也有残存于水中的无机碳酸成分，其量取决于温度，因此仅测量气相中的二氧化碳浓度难以准确地推定生物处理中产生的二氧化碳产生速度。结果，通过专利文献2所记载的方法难以求出准确的
bod值，作为运转指标的计算方法不适当。
6.另外，在专利文献2所记载的方法中，根据排放水的bod值，例如采用增加返回污泥量的手段等，调整活性污泥法的处理。然而，该方法不是推定流入的被处理水的bod值，而是推定排放水的bod值，因此在调整活性污泥法的处理时，产生时间延迟。结果，通过专利文献2所记载的方法计算出的bod值作为运转指标不适当。进而，在专利文献2所记载的方法中，基于排放水的bod值，例如调整通气量。在调整通气量使其增加的情况下，在生物处理中产生的二氧化碳被稀释，难以准确地推定在生物处理中产生的二氧化碳的增减。在这一点上，也难以通过专利文献2所记载的方法求出准确的bod值，作为运转指标的计算方法不适当。[在先技术文献][专利文献]
[0007]
专利文献1：日本特开2001-334285号公报专利文献2：日本特开昭54-60765号公报


技术实现要素：

发明要解决的课题
[0008]
如上所述，在进行生物处理时，在在线测量toc浓度来控制营养物质的添加量的方法中，toc浓度的测量值有时变得不稳定，其结果，无法实现营养物质的添加量的最佳化。此外，如专利文献2所述，在根据生物处理产生的二氧化碳的浓度来推定bod值的情况下，bod值的准确的推定也困难，无法实现营养物质的添加量的最佳化。
[0009]
本发明的目的在于提供一种在通过生物处理进行有机性排水的排水处理时，能够使营养物质相对于有机性排水的添加量最佳化的排水处理方法以及排水处理装置。
[0010]
本发明的另一目的在于提供一种在通过生物处理进行有机性排水的排水处理时，能够迅速地推定用于生物处理的控制的准确的运转指标的计算方法以及计算装置、和基于计算出的运转指标执行被控制的生物处理的排水处理方法以及排水处理装置。用于解决课题的技术方案
[0011]
基于本发明的计算方法是通过生物处理水槽对有机性排水进行生物处理时所使用的运转指标的计算方法，在该运转指标的计算方法中，基于针对从生物处理水槽内的水排放的气体的处理量、生物处理水槽内的水的水质和流入生物处理水槽的被处理水的水质所预先求出的关系，根据气体的处理量的测量值和生物处理水槽内的水的水质的测量值来计算运转指标，气体的处理量是气体的浓度、流量、体积、压力以及物质量中的至少一个，生物处理水槽内的水的水质包括水温、ph以及氧化还原电位中的至少一个，运转指标是被处理水中的有机物浓度、氮浓度、磷浓度、溶解氧浓度以及氧化还原电位当中的至少一个。
[0012]
基于本发明的排水处理方法是对有机性排水进行生物处理的方法，在该排水处理方法中，通过本发明的计算方法来计算运转指标，且进行与计算出的运转指标相应的控制，在生物处理水槽中进行对被处理水的生物处理。
[0013]
基于本发明的另一排水处理方法是在生物处理水槽中对有机性排水进行生物处理的方法，包括：第一测量工序，测量从生物处理水槽内的水排放的气体中的二氧化碳浓度；第二测量工序，获取与生物处理水槽内的水的水质有关的1个以上的测量值；以及控制工序，基于由第一测量工序得到的二氧化碳浓度的测量值和由第二测量工序得到的1个以
上的测量值，来控制向有机性排水添加的营养物质的添加量。
[0014]
基于本发明的又一排水处理方法是在生物处理水槽中对有机性排水进行生物处理的方法，包括：第一测量工序，测量从生物处理水槽内的水排放的气体中的特定气体的浓度；第二测量工序，测量向生物处理水槽供给的气体的流量或者从生物处理水槽排放的气体的流量；以及控制工序，基于由第一测量工序得到的浓度的测量值和由第二测量工序得到的流量的测量值，来控制向有机性排水添加的营养物质的添加量。
[0015]
基于本发明的计算装置是计算在通过生物处理水槽对有机性排水进行生物处理时使用的运转指标的计算装置，具备：气体测量部，其测量从生物处理水槽内的水排放的气体的处理量；水质测量部，其测量生物处理水槽内的水的水质；运算单元，其基于针对从生物处理水槽内的水排放的气体的处理量、生物处理水槽内的水的水质和流入生物处理水槽的被处理水的水质所预先求出的关系，根据气体测量部中的测量值和水质测量部中的测量值来计算运转指标，气体的处理量是气体的浓度、流量、体积、压力以及物质量中的至少一个，生物处理水槽内的水的水质包括水温、ph以及氧化还原电位中的至少一个，运转指标是被处理水中的有机物浓度、氮浓度、磷浓度、溶解氧浓度以及氧化还原电位当中的至少一个。
[0016]
基于本发明的排水处理装置是对有机性排水进行生物处理的装置，具备：基于本发明的计算装置；以及添加单元和/或散气单元，该添加单元向被处理水添加营养物质，该散气单元向生物处理水槽内散气，添加单元以及散气单元中的至少一者根据计算出的运转指标而被控制。
[0017]
基于本发明的另一排水处理装置具有：生物处理水槽，其对有机性排水进行生物处理；添加单元，其向有机性排水添加营养物质；第一测量单元，其具有对从生物处理水槽内的水排放的气体中的二氧化碳浓度进行测量的第一传感器；第二测量单元，其获取与生物处理水槽内的水的水质有关的1个以上的测量值；以及控制单元，其基于由第一测量单元得到的二氧化碳浓度值和由第二测量单元得到的1个以上的测量值，来控制添加单元添加的营养物质的添加量。
[0018]
基于本发明的又一排水处理装置具有：生物处理水槽，其对有机性排水进行生物处理；添加单元，其向有机性排水添加营养物质；第一测量单元，其测量从生物处理水槽内的水排放的气体中的特定气体的浓度；第二测量单元，其测量向生物处理水槽供给的气体的流量或者从生物处理水槽排放的气体的流量；以及控制单元，其基于由第一测量单元得到的浓度的测量值和由第二测量单元得到的流量的测量值，来控制添加单元添加的营养物质的添加量。
附图说明
[0019]
图1是示出本发明的第一实施方式的排水处理装置的图。图2是示出第一实施方式的排水处理装置的另一例的图。图3是示出第一实施方式的排水处理装置的又一例的图。图4是示出第二实施方式的排水处理装置的图。图5是示出第二实施方式的排水处理装置的另一例的图。图6是示出第二实施方式的排水处理装置的又一例的图。
图7是示出具备基于本发明的计算装置的、第三实施方式的排水处理装置的图。图8是示出运转指标的计算过程的流程图。图9是示出数据库的结构的一个例子的图。图10是示出第三实施方式的排水处理装置的另一例的图。图11是示出第三实施方式的排水处理装置的又一例的图。
具体实施方式
[0020]
接下来，参照附图对本发明的实施方式进行说明。
[0021]
本发明涉及对作为有机性排水的被处理水进行使用微生物的生物处理，分解去除被处理水中的有机物质的技术。本发明中作为对象的有机性排水只要是能够应用生物处理的有机性排水就没有特别限制，例如包括从公共下水道中的排水、食品工厂、化学工厂、半导体制造工厂、液晶制造工厂、纸浆工厂等各工厂排出的排水、以及从这些以外的领域的营业场所排出的排水等。与公共下水道中的排水相比，在来自民间工厂的排水中，较高地维持生物处理中使用的微生物所具有的分解活性所需的营养物质容易不足，特别是在来自化学工厂、半导体制造工厂、液晶制造工厂的排水中，营养物质的不足显著。对不含有机物的无机硝酸排水(或者无机亚硝酸排水)添加甲醇等外部有机源而进行脱氮处理时的、添加了外部有机源的排水也是本发明中作为对象的有机性排水。本发明中的生物处理包括好氧处理、厌氧处理、脱氮处理等，这些生物处理通过活性污泥法、膜分离活性污泥法(mbr)、流化床或者固定床的生物膜法、或者颗粒法等执行。
[0022]
[第一实施方式]图1示出本发明的第一实施方式的排水处理装置。图1所示的排水处理装置具备储存作为有机性排水的被处理水并在好氧条件下进行有机性排水的生物处理的流化床型的生物处理水槽10。从生物处理水槽10排出通过生物处理而分解去除了有机物的处理水。在生物处理水槽10中填充有载体11，在生物处理水槽10的底部，设置有为了供给氧、即为了通气而向生物处理水槽10内吹入空气的散气装置12。对生物处理水槽10供给被处理水的入口配管13与生物处理水槽10连接。用于向散气装置12供给空气的气体配管14与散气装置12连接，送气用的鼓风机15设于气体配管14。作为在此能够使用的载体11，例如可举出塑料制载体、海绵状载体、凝胶状载体等，其中，从成本、耐久性的观点出发，优选使用海绵状载体。也可以在生物处理水槽10设置搅拌载体11的搅拌装置。
[0023]
在生物处理中，为了使微生物较高地维持其分解活性并繁殖，需要营养物质，在被处理水中营养物质不足的情况下，需要在生物处理水槽10内或者生物处理水槽10的前级向被处理水添加营养物质。在第一实施方式的排水处理装置中，设置有储存营养物质的溶液(即营养液)的营养物质贮槽21，营养物质贮槽21和入口配管13经由营养液配管22连接。供给营养液的泵23设于营养液配管22。因此，在该排水处理装置中，能够对在入口配管13中流动并供给至生物处理水槽10的有机性排水添加营养物质，通过控制泵23，能够控制营养物质相对于有机性排水的添加量。营养物质大致分为含有氮、磷的营养盐、和与氮、磷相比需要量少的微量元素。微量元素包括钠、钾、钙以及镁等碱金属类、铁、锰以及锌等金属类等。作为氮源，能够使用尿素、铵盐。作为磷源，能够使用磷酸、磷酸盐。
[0024]
在第一实施方式的排水处理装置中，基于通过生物处理从生物处理水槽10内的水
排放的气体中的二氧化碳浓度、和根据与生物处理水槽10内的水的水质有关的1个以上的测量值计算出的被处理水bod浓度，控制营养物质的添加量。因此，在生物处理水槽10中设置有：二氧化碳浓度传感器31，其测量从生物处理水槽10内的水排放的气体中的二氧化碳浓度；和水质测量部33，其针对1个以上的项目测量水质。设生物处理水槽10由盖16覆盖，二氧化碳浓度传感器31设置在生物处理水槽10内的气相部、与该气相部连接的配管内等。由于需要避免二氧化碳浓度传感器31的结露，因此在设置于配管内的情况下，也可以实现配管的保温等，并且在二氧化碳浓度传感器31的正前方的位置设置湿气分离器。此外，也可以配置去除腐蚀性气体的脱硫装置等。在生物处理水槽10为开放系统的情况下，为了减轻测量结果中的外部气体的影响，在尽量减小生物处理水槽10的上部的开放部的基础上，能够将筒状的配管等插入至水面下，在该配管中在水面上的位置配置二氧化碳浓度传感器31。作为二氧化碳浓度传感器31，例如能够使用电化学式或者半导体式的传感器，特别优选使用基于非分散型红外线吸收法(ndir)的传感器。二氧化碳浓度的测量可以手动(manual)进行，也可以在线进行。
[0025]
作为生物处理水槽10内的水的水质，作为水质测量部33测量的项目，例如，可举出ph(氢离子浓度指数)、水温、溶解氧浓度(do)、氧化还原电位(orp)、导电率、浊度等。水质测量部33构成为能够针对其中1个以上的项目进行测量。众所周知，水中的无机碳酸的形式根据ph而变化为co2，hco
3-，co
32-，因此认为ph与通过生物处理而从生物处理水槽10内的水排放的气体中的二氧化碳浓度的关联特别大。此外，由于二氧化碳的溶解度水温根据水温而变化，因此水温也与从生物处理水槽10内的水排放的气体中的二氧化碳浓度的关联大。在第一实施方式中，不实测被处理水的bod，取而代之，使用包含通过生物处理排放的二氧化碳的浓度的测量值来控制营养物质的添加量，因此水质测量部33测量的项目中优选包含ph、水温。水质测量部33中的测量可以手动式进行，也可以在线进行。
[0026]
虽然也有在线测量水中的总有机碳(toc)浓度的在线toc浓度计，但在线toc浓度计为了将少量的试样水导入测量装置而具备细的配管，容易发生堵塞，测量值不稳定。另一方面，二氧化碳浓度传感器31由于不与水接触地进行测量，因此测量值的稳定性非常高。此外，测量ph、水温等的水质测量部33也是浸渍在生物处理水槽10中的形式的传感器，因此其测量值的稳定性高。
[0027]
接下来，对图1所示的排水处理装置中的营养物质的添加量的控制进行说明。推荐向被处理水添加营养物质(营养盐以及微量金属)时的添加量与被处理水中的有机物浓度成比例，优选与bod成比例。例如，推荐将好氧处理中的氮(n)以及磷(p)的添加量以质量基准计设为bod：n：p＝100：5：1。在第一实施方式中，不通过在线toc浓度计等测量被处理水的bod，取而代之，测量通过生物处理从生物处理水槽10内的水排放的气体中的二氧化碳浓度和生物处理水槽10内的水的水质。而且，根据二氧化碳浓度的测量值和与水质有关的1个以上的测量值，计算被处理水的bod值，基于计算出的bod值确定营养物质的添加量。为此，首先在第一实施方式中，将由二氧化碳浓度传感器31测量出的二氧化碳浓度和由水质测量部33得到的测量值的组合作为输入值(xn)，将与输入值(xn)对应的被处理水的bod浓度作为输出值(yn)，在预先获取一定数量(例如几十至几百组)输入值和输出值的组合的基础上，创建模型(或者关系式)。一旦创建模型，则之后将由二氧化碳浓度传感器31测量出的二氧化碳浓度的测量值和由水质测量部33得到的测量值的组合输入到模型，作为其结果，基于
从模型输出的bod浓度值，驱动泵23，控制有无向被处理水的营养物质的添加、添加量。为了进行这种控制，排水处理装置具备控制装置40，该控制装置40保持所创建的模型，将由二氧化碳浓度传感器31得到的二氧化碳浓度值和由水质测量部33得到的测量值应用于模型来计算被处理水的bod浓度值，基于bod浓度值控制泵23的启停、流量。
[0028]
接下来，对第一实施方式中的模型的创建进行说明。在输入了输入值时将与其对应的被处理水的bod浓度作为输出值输出的模型例如能够使用各种回归分析来创建。特别是，若使用神经网络技术通过监督式学习来创建模型，则营养物质的添加量的控制的精度提高。由二氧化碳浓度传感器31得到的二氧化碳浓度有时也根据生物处理水槽10的结构、大小、生物处理水槽10中的气相部的大小、生物处理的种类等而变动，因此模型也可以按每个生物处理水槽10设定。进而，根据作为有机性排水的被处理水的种类或者出处，被处理水的bod与测量出的二氧化碳浓度、ph的关系也有可能变动，因此，也能够按照被处理水的每个种类、出处准备模型，从这样准备的模型中，根据被处理水的种类、出处选择用于营养物质的添加量的控制的模型。
[0029]
在图1所示的排水处理装置中，向生物处理水槽10吹入空气，但在大气中，通常含有400ppm左右的二氧化碳。当测量二氧化碳浓度以估计生物处理所产生的二氧化碳量时，需要考虑最初包含在吹入空气中的二氧化碳量。在吹入的空气中的二氧化碳量的变动小的情况下，由于在如上述那样创建的模型中已经包含吹入的空气中包含的二氧化碳的贡献，因此能够使用该模型来确定营养物质的添加量，而无需测量吹入的空气中的二氧化碳浓度。然而，在工厂中的锅炉的废气混入的空气吹入的情况下等，在吹入的空气中的二氧化碳浓度变动时，需要进行与吹入生物处理水槽10的气体中的二氧化碳浓度对应的修改来确定营养物质的添加量。图2示出这样进行与吹入生物处理水槽10的二氧化碳浓度相应的修改的排水处理装置。
[0030]
图2所示的排水处理装置与图1所示的排水处理装置相同，但为了测量吹入的空气中的二氧化碳浓度，在气体配管14中在鼓风机15的出口侧的位置设置有二氧化碳浓度传感器35，这一点与图1所示的不同。设于气体配管14的二氧化碳浓度传感器35中的测量值也被送至控制装置40。控制装置40计算二氧化碳浓度传感器31中的测量值与二氧化碳浓度传感器35中的测量值之差，将该差和由水质测量部33得到的测量值应用于模型并计算被处理水的bod浓度值，基于bod浓度值控制泵23。
[0031]
在排水处理中，将多个进行生物处理的生物处理水槽串联连接，将从前级的生物处理水槽排出的处理水导入至下级的生物处理水槽，通过在各生物处理水槽中进行生物处理，得到高度去除了有机物的处理水。图3示出串联即多级设置有多个进行生物处理的生物处理水槽10的排水处理装置。优选为，在生物处理水槽10设置为2级以上的多级的情况下，在最前级的生物处理水槽10中，测量从该从生物处理水槽排放的气体中的二氧化碳浓度，并且获取与该生物处理水槽10内的水的水质有关的1个以上的测量值，计算被处理水的bod浓度值，基于该bod浓度值，控制向供给至最前级的生物处理水槽10的被处理水的营养物质的添加量。因此，在图3所示的排水处理装置中，二氧化碳浓度传感器31以及水质测量部33设于最前级的生物处理水槽10，来自营养物质贮槽21的营养液被添加到与最前级的生物处理水槽10连接的入口配管13内的被处理水中。控制装置40根据二氧化碳浓度传感器31以及水质测量部33的测量值计算被处理水的bod浓度值，基于bod浓度值，控制供给营养液的泵
23。
[0032]
在将生物处理水槽10串联设置2级以上的情况下，在最前级的生物处理水槽10中，大部分有机物被分解去除，因此，在第2级以后的生物处理水槽10中，必须去除的有机物变少。而且，在最前级的生物处理水槽10中繁殖的微生物死亡并解体，由此营养物质再次溶出。基于这些理由，即使不重新向供给至第2级以后的生物处理水槽10的水添加营养物质，也可在第2级以后的生物处理水槽10中推进生物处理，能够维持排水处理装置的整体的处理性能。
[0033]
[第二实施方式]接下来，对本发明的第二实施方式进行说明。在第二实施方式中，设有机性排水作为被处理水供给至生物处理水槽，为了使营养物质相对于被处理水的添加量最佳化，不直接测量被处理水的bod或者toc浓度，而是测量从生物处理水槽内的水排放的气体中的特定气体的浓度、和向生物处理水槽供给的气体或者从生物处理水槽排放的气体的流量。而且，基于特定气体的浓度的测量值和气体的流量的测量值，控制向被处理水添加的营养物质的添加量。此时，既可以根据浓度的测量值和流量的测量值计算被处理水的有机物浓度，基于计算出的有机物浓度控制向被处理水添加的营养物质的添加量，也可以基于将浓度的测量值和流量的测量值相乘的值控制向被处理水添加的营养物质的添加量。进而，也可以测量生物处理水槽内的水的水质(例如ph)，基于特定气体的浓度的测量值、流量的测量值和水质的测量值控制向被处理水添加的营养物质的添加量。
[0034]
生物处理如果是好氧处理，则作为特定气体的浓度，例如测量从生物处理水槽内的水产生的二氧化碳的浓度。在好氧处理中，通常，通过设置送风用的鼓风机而向生物处理水槽吹入空气等，来对生物处理水槽内的水进行散气处理或者通气处理，因此，作为气体的流量，既可以测量从送风用的鼓风机向生物处理水槽供给的空气的流量，也可以测量从生物处理水槽排放的气体的整体的流量。在使用流化床进行好氧处理的情况下，为了分离载体而在生物处理水槽内配置筛网，并且在筛网的洗净中也吹入空气，但此时，也可以将用于散气的鼓风机的风量和筛网洗净用的空气的风量相加而得到的值作为气体的流量。如果生物处理为厌氧处理，则作为特定气体的浓度，例如测量由生物处理水槽内的水产生的甲烷的浓度，并且在厌氧处理中通常不进行散气，因此作为气体的流量，测量从生物处理水槽排放的气体的整体的流量即可。
[0035]
图4示出第二实施方式的排水处理装置。图4所示的排水处理装置具备储存作为有机性排水的被处理水并在好氧条件下进行被处理水的生物处理的流化床型的生物处理水槽10。从生物处理水槽10排出通过生物处理而分解去除了有机物的处理水。图4所示的生物处理水槽10与图1所示的第一实施方式的生物处理水槽10相同，填充有载体11，并且设置有散气装置12，连接有入口配管13。气体配管14与散气装置12连接，送气用的鼓风机15设于气体配管14。作为载体11，使用与第一实施方式中说明的载体相同的载体。在生物处理水槽10中也可设置搅拌载体11的搅拌装置。与图1所示的排水处理装置同样地，在图4所示的排水处理装置中也可设置营养物质贮槽21，营养物质贮槽21和入口配管13经由营养液配管22连接。供给营养液的泵23设于营养液配管22。作为营养物质，能够使用与第一实施方式中说明的物质相同的物质。
[0036]
在第二实施方式的排水处理装置中，基于通过生物处理从生物处理水槽10内的水
排放的气体中的二氧化碳浓度、和为了散气而供给至生物处理水槽10的空气的流量，来控制营养物质的添加量。因此，在生物处理水槽10中，设置有测量从生物处理水槽10内的水排放的气体中的二氧化碳浓度的二氧化碳浓度传感器31，在鼓风机15和散气装置12之间的位置，在气体配管14中，设置有对在此处流动的空气的流量进行测量的风量计32。二氧化碳浓度传感器31的种类及其设置形式与第一实施方式的情况相同。因此，也可以对二氧化碳浓度传感器31设置湿气分离器、脱硫装置。
[0037]
接下来，对图4所示的排水处理装置中的营养物质的添加量的控制进行说明。如上所述，推荐向被处理水添加营养物质(营养盐以及微量金属)时的添加量与被处理水中的有机物浓度成比例，优选与bod成比例。例如，推荐将好氧处理中的氮(n)以及磷(p)的添加量以质量基准计设为bod：n：p＝100：5：1。在第二实施方式中，不通过在线toc浓度计等测量被处理水的bod，取而代之，测量通过生物处理从生物处理水槽10内的水排放的气体中的二氧化碳浓度、和为了散气而供给至生物处理水槽10的空气的流量(即风量)。而且，根据二氧化碳浓度的测量值和空气的流量的测量值来计算被处理水的bod值，并基于计算出的bod值确定营养物质的添加量。为此，首先在第二实施方式中，将由二氧化碳浓度传感器31测量出的二氧化碳浓度和由风量计32得到的风量的测量值的组合作为输入值(xn)，将与输入值(xn)对应的被处理水的bod浓度作为输出值(yn)，在预先获取一定数量(例如几十至几百组)输入值和输出值的组合的基础上，创建模型(或者关系式)。此时，也可以代替将二氧化碳浓度和风量的测量值的组合作为输入值(xn)，而将二氧化碳浓度的测量值与风量的测量值相乘而得到的值(即乘积)作为输入值(xn)。
[0038]
一旦创建模型，则之后将由二氧化碳浓度传感器31测量出的二氧化碳浓度的测量值和由风量计32得到的风量的测量值的组合输入到模型，作为其结果，基于从模型输出的bod浓度值，驱动泵23，控制有无向被处理水的营养物质的添加、添加量。为了进行这种控制，排水处理装置具备控制装置40，该控制装置40保持所创建的模型，将由二氧化碳浓度传感器31得到的二氧化碳浓度值和由风量计32得到的测量值应用于模型来计算被处理水的bod浓度值，基于bod浓度值控制泵23的启停、流量。另外，虽然在模型的创建中使用bod浓度，但由于能够认为创建的模型本身是将二氧化碳浓度的测量值和风量的测量值作为输入并直接输出营养物质的添加量的模型，因此一旦创建了模型，则无需根据二氧化碳浓度的测量值和风量的测量值来明示地计算bod浓度值，就能够确定营养物质的最佳添加量。
[0039]
接下来，对模型的创建进行说明。在输入了输入值时将与其对应的被处理水的bod浓度作为输出值输出的模型例如能够使用各种回归分析来创建。特别是，若使用神经网络技术通过监督式学习创建模型，则营养物质的添加量的控制的精度提高。由二氧化碳浓度传感器31得到的二氧化碳浓度有时也根据生物处理水槽10的结构、大小、生物处理水槽10中的气相部的大小、生物处理的种类等而变动，此外，为了散气而供给至生物处理水槽10的空气的风量也根据生物处理水槽10的结构、大小等而变化，因此，模型也可以按每个生物处理水槽10设定。进而，根据被处理水的种类或者出处，被处理水的bod与测量出的二氧化碳浓度、风量的关系有可能变动，因此，也能够按照被处理水的每个种类、出处准备模型，从这样准备的模型中根据被处理水的种类、出处选择用于营养物质的添加量的控制的模型。
[0040]
在图4所示的排水处理装置中，将风量计32设置于气体配管14，测量经由气体配管14向生物处理水槽10供给的空气的流量即风量，但也可以代替测量向生物处理水槽10供给
的空气的流量，而设为测量从生物处理水槽10排放的气体的流量。在测量从生物处理水槽10排放的气体的流量的情况下，在生物处理水槽10由盖16完全覆盖时，将风量计32设置在为了向外部排出气体而与生物处理水槽10的内部连通的管中即可。在生物处理水槽10为开放系统的情况下，为了减轻测量结果中的外部气体的影响，在尽量减小生物处理水槽10的上部的开放部的基础上，能够将筒状的配管等插入至水面下，在该配管中设置风量计32。
[0041]
为了控制向被处理水添加的营养物质的添加量，也考虑使用在线toc浓度计在线测量被处理水中的有机物浓度，但在线toc浓度计为了将少量的试样水导入测量装置而具备细的配管，容易发生堵塞，测量值不稳定。与此相对，二氧化碳浓度传感器31由于不与水接触地进行测量，因此测量值的稳定性非常高。此外，也能够稳定地进行气体流量的测量。因此，在第二实施方式的排水处理装置中，无需直接测量被处理水中的有机物浓度，就能够稳定地求出营养物质相对于被处理水的添加量的最佳值。
[0042]
图5示出第二实施方式的排水处理装置的另一例。图5所示的排水处理装置是在图4所示的排水处理装置中，设置测量生物处理水槽10内的水的水质的水质测量部33，水质测量部33中的测量结果也被送至控制装置40的排水处理装置。水质测量部33测量的水质项目至少包括ph，除ph以外，也可以测量水温等。在该情况下，排水处理装置中使用的模型是将由二氧化碳浓度传感器31测量出的二氧化碳浓度、由风量计32得到的风量的测量值和由水质测量部33测量出的水质(特别是ph)的测量值的组合作为输入(xn)、将与输入值(xn)对应的被处理水的bod浓度作为输出值(yn)的模型，是与上述模型同样地创建的模型。控制装置40将由二氧化碳浓度传感器31测量出的二氧化碳浓度、由风量计32得到的风量的测量值和由水质测量部33测量出的水质(特别是ph)的测量值应用于模型并计算被处理水的bod浓度值，基于bod浓度值控制泵23。
[0043]
如上所述，即使被处理水中的有机物浓度相同，从生物处理水槽10内的水排放的气体中的二氧化碳浓度也有可能根据ph而变化。在图5所示的排水处理装置中，由于还考虑生物处理水槽10内的水的ph来控制营养物质的添加量，因此，无论被处理水的ph如何，能够使营养物质的添加量最佳化。另外，水中的二氧化碳的溶解度取决于水温，但如果二氧化碳的溶解度变化，则从生物处理水槽10内的水排放的气体中的二氧化碳浓度也变化。因此，在生物处理水槽10中存在水温变动的情况下，在水质测量部33中除了ph以外还测量水温，除了二氧化碳浓度、风量以及ph以外，还能够基于水温来控制营养物质的添加量。
[0044]
在第二实施方式中，也能够将多个进行生物处理的生物处理水槽串联连接，得到高度地去除了有机物的处理水。图6示出与图4以及图5所示的排水处理装置同样地进行基于好氧处理的排水处理的排水处理装置，该排水处理装置串联即多级设置有多个生物处理水槽10。在生物处理水槽10设为2级以上的多级的情况下，在最前级的生物处理水槽10中，测量从该生物处理水槽排放的气体中的二氧化碳浓度，并且测量供给至该生物处理水槽的空气的风量，根据二氧化碳浓度和空气的风量计算被处理水的bod浓度值，基于该bod浓度值，能够控制向供给至该生物处理水槽的被处理水的营养物质的添加量。在该情况下，也能够测量最前级的生物处理水槽10内的水的ph，基于二氧化碳浓度、空气的风量和ph控制向被处理水添加的营养物质的添加量。因此，在图6所示的排水处理装置中，二氧化碳浓度传感器31、风量计32以及水质测量部33仅设于最前级的生物处理水槽10，来自营养物质贮槽21的营养液被添加到与最前级的生物处理水槽10连接的入口配管13内的被处理水中。控制
装置40根据二氧化碳浓度传感器31、风量计32以及水质测量部33的测量值计算被处理水的bod浓度值，基于bod浓度值，控制供给营养液的泵23。
[0045]
在将生物处理水槽10串联设置2级以上的情况下，如上所述，即使不重新向供给至第2级以后的生物处理水槽10的水中添加营养物质，也可在第2级以后的生物处理水槽10中推进生物处理，能够维持排水处理装置的整体的处理性能。因此，针对第2级以后的生物处理水槽，也可以不进行二氧化碳浓度、风量以及ph的测量。
[0046]
根据以上说明的本发明的第一以及第二实施方式，在有机性排水的生物处理中，能够稳定地进行营养物质相对于作为有机性排水的被处理水的最佳的添加量的确定。
[0047]
[第三实施方式]接下来，对本发明的第三实施方式进行说明。第三实施方式涉及在生物处理水槽中对有机性排水进行使用微生物的生物处理来分解去除有机物时的、用于生物处理的控制的运转指标的计算。图7示出具备进行运转指标的计算的计算装置的、第三实施方式的排水处理装置。
[0048]
图7所示的排水处理装置具备储存被处理水并在好氧条件下进行被处理水的生物处理的流化床型的生物处理水槽10。在第三实施方式中，被处理水是指流入生物处理水槽10的有机性排水。从生物处理水槽10排出通过生物处理而分解去除了有机物的处理水。与第一实施方式的情况相同，在图7所示的生物处理水槽10中填充有载体11，在生物处理水槽10的底部，设置有为了供给氧而向生物处理水槽10内吹入空气的散气装置12。向生物处理水槽10供给被处理水的入口配管13与生物处理水槽10连接。用于向散气装置12供给空气的气体配管14与散气装置12连接，送气用的鼓风机15设于气体配管14。作为在此能够使用的载体11，例如可举出塑料制载体、海绵状载体、凝胶状载体等，其中，从成本、耐久性的观点出发，优选使用海绵状载体。也可以在生物处理水槽10中设置搅拌载体11的搅拌装置。
[0049]
在图7所示的排水处理装置中，基于通过生物处理从生物处理水槽10内的水排放的特定的气体的处理量、和与生物处理水槽10内的水的水质有关的1个以上的测量值，计算用于生物处理的控制的运转指标。因此，生物处理水槽10中设置有：气体测量部36，其测量从生物处理水槽10内的水排放的特定的气体的处理量；和水质测量部33，其测量生物处理水槽10内的水的水质。设生物处理水槽10由盖16覆盖，气体测量部36设置于生物处理水槽10内的气相部、与该气相部连接的配管内等。由于需要避免气体测量部36的结露，因此在设置于配管内的情况下，也可以实现配管的保温等，并且在气体测量部36的正前方的位置配置湿气分离器。此外，也可以配置去除腐蚀性气体的脱硫装置等。在生物处理水槽10为开放系统的情况下，为了减轻测量结果中的外部气体的影响，在能够尽量减小生物处理水槽10的上部的开放部的基础上，将筒状的配管等插入至水面下，在该配管中在水面上的位置配置气体测量部36。
[0050]
作为在生物处理中排放的特定的气体的处理量，例如能够使用特定的气体的浓度(单位例如为ppm或者ml/m3)、将特定的气体的浓度乘以通过生物处理而从生物处理水槽10内的水排放的全部气体的流量而得到的特定的气体的流量(单位例如为ml/h)、将给定时间或累计时间乘以流量而得到的气体的体积(单位例如为ml)、根据特定的气体的浓度和通过生物处理从生物处理水槽10内的水排放的气体的压力计算的特定的气体的分压(单位例如为pa)等当中的至少一个。另外，除了体积、分压以外，能够任意地使用质量(单位例如为
kg)、物质量(单位为mol)。在生物处理中可产生的气体可以考虑各种气体，但在生物处理为好氧处理的情况下，优选通过气体测量部36测量关于通过好氧处理分解有机物时的最终生成物即二氧化碳的处理量。在作为二氧化碳的处理量例如测量其浓度的情况下，作为气体测量部36，例如能够使用光学式、电化学式或者半导体式的二氧化碳浓度传感器，但特别优选使用基于非分散型红外线吸收法(ndir)的传感器。气体的处理量的测量可以手动(manual)进行，也可以在线进行。不限于二氧化碳，在测量流量作为气体的处理量的情况下，能够使用超声波式、电磁式、科里奥利式、卡曼涡流式、浮子式、热式、叶轮式、差压式等流量传感器。
[0051]
在第三实施方式中，作为生物处理水槽10内的水的水质，作为水质测量部33测量的项目，例如，可举出ph(氢离子浓度指数)、水温、溶解氧浓度(do)、氧化还原电位(orp)、导电率、浊度等。水质测量部33构成为能够针对这些项目当中包括ph、水温以及orp中的至少一个的1个以上的项目来进行测量。如上所述，认为ph与通过好氧处理即生物处理而从生物处理水槽10内的水排放的气体中的二氧化碳浓度的关联特别大。此外，由于二氧化碳的溶解度水温根据水温而变化，因此水温也与从生物处理水槽10内的水排放的气体中的二氧化碳浓度的关联大。根据orp、溶解氧浓度，能够掌握生物处理水槽10中的水的氧的量、氧化还原倾向，另外，orp、溶解氧浓度与排放的二氧化碳的浓度的关联大。水质测量部33中的测量可以手动式进行，也可以在线进行。
[0052]
虽然也有在线测量水中的总有机碳(toc)浓度的在线toc浓度计，但在线toc浓度计为了将少量的试样水导入测量装置而具备细的配管，容易发生堵塞，测量值不稳定。另一方面，二氧化碳浓度传感器、气体的流量传感器由于不与水接触地进行测量，因此测量值的稳定性非常高。此外，测量ph、水温、orp等的水质测量部33也是浸渍在生物处理水槽10中的形式的传感器，因此其测量值的稳定性高。
[0053]
在图7所示的排水处理装置中，根据由气体测量部36测量出的气体的处理量的值和由水质测量部33测量出的水质的值，计算与供给至生物处理水槽10的水即被处理水有关的运转指标。计算出的运转指标例如用于确定被添加到被处理水或者生物处理水槽10内的水中的营养物质的量，或用于确定被吹入生物处理水槽10内的空气、氧的量、流量。为了进行运转指标的计算，排水处理装置具备运算装置50。从气体测量部36以及水质测量部33分别向运算装置50输入测量值，运算装置50基于关于从生物处理水槽10内的水排放的气体的处理量、生物处理水槽10内的水的水质和被处理水的水质的预先求出的关系，根据气体测量部36中的测量值和水质测量部33中的测量值，计算运转指标。气体的浓度、水质和运转指标的预先求出的关系以模型或者关系式来表示。关于模型、关系式的创建将在后面叙述。运算装置50计算的运转指标是与被处理水有关的运转指标。与被处理水有关的运转指标优选为被处理水中的有机物浓度、氮浓度、磷浓度、溶解氧浓度、orp中的至少一个，更优选为被处理水中的总有机碳(toc)浓度、生化需氧量(bod)以及化学需氧量(cod)中的至少一种。toc、bod以及cod均为表示被处理水中的有机物浓度的指标。
[0054]
图8是示出求出图7所示的排水处理装置中的被处理水的有机物浓度的处理的步骤的流程图。首先，在步骤101中，气体测量部36测量从生物处理水槽10内的水排放的气体(例如二氧化碳)的处理量(例如浓度)，在步骤102中，水质测量部33测量生物处理水槽10内的水的水质(例如ph、水温或者orp)。在图8中，描绘了在步骤101的执行后执行步骤102，但
既可以在步骤101之前执行步骤102，也可以同时执行步骤101和步骤102。之后，在步骤103中，运算装置50将在步骤101中求出的气体的处理量和在步骤102中求出的水质代入已经存放在运算装置50内的模型、关系式，由此计算与被处理水相关的运转指标(例如有机物浓度)。
[0055]
接下来，对在图7所示的排水处理装置中使用的模型或者关系式的创建进行说明。模型或者关系式是通过事先调查由生物处理水槽10内的水产生的气体的处理量、生物处理水槽10内的水质、与流入生物处理水槽10的被处理水中的运转指标相关的水质的关系而创建的。为了创建模型、关系式，在图7所示的排水处理装置中，对于向生物处理水槽10供给被处理水的入口配管13，设置有测量作为运转指标的被处理水的水质的被处理水质测量部34。由被处理水质测量部34测量的水质优选为有机物浓度、氮浓度、磷浓度、溶解氧浓度以及orp当中的至少一个，更优选为作为有机物浓度的toc、bod以及cod中的任一种。而且，运算装置50基于由被处理水质测量部34测量出的被处理水的水质、被处理水的水质的测量时刻的气体测量部36中的测量值以及水质测量部33中的测量值，创建模型、关系式。获取一定数量(例如几十至几百组)气体的处理量的测量值、由水质测量部33测量出的生物处理水槽10内的水的水质的测量值以及由被处理水质测量部34测量出的被处理水的水质的测量值构成的组合，基于这些组的数据进行多元回归分析(在导出关系式的情况下)或者神经网络的学习(在创建模型的情况下)。另外，气体的处理量、水质根据生物处理水槽10的结构、大小、生物处理水槽10中的气相部的大小、生物处理的种类等而变动，因此模型、关系式也可以按照每个生物处理水槽10创建。进而，根据被处理水的种类或者出处，被处理水的水质与测量出的气体的处理量、生物处理水槽10内的水的水质的关系也有可能变动，因此，也可以按照被处理水的每个种类、出处创建模型。
[0056]
图9示出存放有气体的处理量的测量值、生物处理水槽10内的水的水质的测量值以及被处理水的水质的测量值构成的组的数据库的例子。在此，测量二氧化碳浓度作为气体的处理量，测量水温以及ph作为生物处理水槽10内的水的水质，测量toc浓度作为被处理水的水质。而且，通过对这种数据库执行多元回归分析，得到以下所示的用于计算作为运转指标的有机物浓度的关系式。c＝b1x+b2y+b0在此，c是作为运转指标的有机物浓度，x是作为气体的处理量的气体浓度，y是生物处理水槽10内的水的水质，b0、b1、b2是通过多元回归分析得到的常数。
[0057]
在生成基于神经网络的模型时，基于图9所示的数据库，将气体的处理量xn和水质yn作为输入值(xn，yn)，将作为运转指标的有机物浓度cn作为输出值(cn)，通过监督式学习进行神经网络的学习即可。与基于多元回归分析的关系式相比，使用基于适当地进行了学习的神经网络的模型提供更准确的作为运转指标的有机物浓度。
[0058]
图10示出在图7所示的排水处理装置中，追加了用于对被处理水添加营养物质的机构的排水处理装置。例如在好氧处理等生物处理中，为了使微生物较高地维持其具有的分解活性并且繁殖，需要营养物质，在向生物处理水槽10的被处理水中营养物质不足的情况下，需要在生物处理水槽10内或者生物处理水槽10的前级向被处理水中添加营养物质。在图10所示的排水处理装置中，设置有储存营养物质的溶液(即营养液)的营养物质贮槽21，营养物质贮槽21和入口配管13经由营养液配管22连接。供给营养液的泵23设于营养液
配管22。因此，在该排水处理装置中，能够对在入口配管13中流动而供给至生物处理水槽10的被处理水添加营养物质，通过控制泵23，能够控制营养物质相对于被处理水的添加量。作为营养物质，能够使用在第一实施方式中说明的物质。
[0059]
接下来，对图10所示的排水处理装置中的营养物质的添加量的控制进行说明。推荐向生物处理水槽的被处理水添加营养物质(营养盐以及微量金属)时的添加量与被处理水中的有机物浓度成比例。例如，设使用bod作为运转指标，推荐将好氧处理中的氮(n)以及磷(p)的添加量以质量基准计设为bod：n：p＝100：5：1。因此，在图10所示的排水处理装置中，基于在运算装置50中求出的运转指标，进行泵23中的排出量控制、工作时间控制，控制有无向被处理水的营养物质的添加、添加量。由此，即使不测量被处理水中的有机物浓度(例如bod)，也能够对被处理水以最佳的添加量添加营养物质。
[0060]
如在第一实施方式中说明的那样，在向生物处理水槽10吹入气体时，需要进行与该气体中的二氧化碳浓度相应的修改来确定营养物质的添加量。图11示出进行与这样吹入生物处理水槽10的二氧化碳浓度相应的修改的排水处理装置。图11所示的排水处理装置是与图7所示的排水处理装置相同的排水处理装置，但为了测量吹入的空气中的二氧化碳浓度，在气体配管14中在鼓风机15的出口侧的位置设置有二氧化碳浓度传感器35，这一点与图7所示的排水处理装置不同。设于气体配管14的二氧化碳浓度传感器35中的测量值也被送至运算装置50。运算装置50求出二氧化碳浓度传感器35中的测量值与气体测量部36中的测量值之差，将该差和由水质测量部33得到的测量值应用于模型并计算被处理水的bod，基于bod控制泵23。
[0061]
根据以上说明的本发明的第三实施方式，在通过生物处理进行有机性排水的排水处理时，能够迅速地求出用于生物处理的控制的准确的运转指标，由此，例如在向供给至生物处理水槽而流入的被处理水中添加营养物质的情况下，能够设为基于运转指标的最佳的添加量。[实施例]
[0062]
接下来，通过实施例以及比较例对本发明进行进一步详细说明。
[0063]
[实施例a以及比较例a]对实施例a以及比较例a进行说明。实施例a以及比较例a是与第一实施方式对应的实施例和比较例。通过赋予分支编号来区分各个实施例以及比较例。
[0064]
[试验条件a1]首先，针对实施例a-1、a-2、a-3以及比较例a-1、a-2对共用的试验条件进行说明。使用容积为19l的一级生物处理水槽，进行作为有机性排水的被处理水的基于好氧处理的生物处理。将好氧性微生物承载在疏水性聚氨酯树脂构成的海绵状载体上，将这种海绵状载体相对于生物处理水槽的容积以膨松体积20％填充到生物处理水槽中。将生物处理水槽中的滞留时间设为18小时。作为被处理水，使用含有异丙醇的排水。被处理水中的bod浓度约为900mg/l(设为基准浓度)，被处理水中的氮(n)浓度为2mg/l以下，磷(p)浓度为0.1mg以下。进行生物处理时的bod容积负载约为1kg/m3/日，水温约为20℃，生物处理水槽内的水的溶解氧(do)的浓度为2mg/l以上，生物处理水槽内的水的ph为6.0～7.5。
[0065]
对被处理水充分添加营养盐(氮(n)以及磷(p))，使bod：n：p为100：5：1，监测从生物处理水槽内的水排放的二氧化碳浓度、生物处理水槽内的水的ph和溶解氧的浓度。有意
地使被处理水中的bod浓度从基准浓度的100％变化为30％和60％，并且反复执行这种监测。另外，所谓能够高精度地计算被处理水的bod浓度，与营养盐添加控制的精度高具有相同的意思。
[0066]
[比较例a-1]设根据二氧化碳浓度计算bod浓度，针对二氧化碳浓度和各bod浓度，通过一元回归分析计算决定系数r2，结果为0.840。
[0067]
[实施例a-1]设根据二氧化碳浓度和生物处理水槽内的水的ph计算bod浓度，针对二氧化碳浓度、ph和各bod浓度，通过多元回归分析计算决定系数r2，结果为0.991。与仅使用二氧化碳浓度的情况相比，可知通过使用二氧化碳浓度和ph，bod浓度的计算精度大幅提高。
[0068]
[实施例a-2]设根据二氧化碳浓度和生物处理水槽内的水的ph计算bod浓度，针对二氧化碳浓度、ph和各bod浓度，通过神经网络分析计算决定系数r2，结果为0.996。可知通过使用神经网络模型，计算精度进一步提高。
[0069]
[神经网络分析中的误差方差]根据上述试验条件a1，监测二氧化碳浓度、ph以及溶解氧浓度。因此，获得了多个将输入设为二氧化碳浓度、ph以及溶解氧浓度、且将输出设为bod浓度的数据集。因此，关于获取的所有数据集，将特定的一个数据集作为测试数据，将其他数据集作为训练数据，通过神经网络分析创建模型，求出对该模型输入测试数据时的输出值与被处理水的bod的实测值的误差。作为交叉验证(cross validation)，对所有数据集反复实施这种操作，计算并评价得到的误差的方差。另外，误差方差的值越低，表示越能够适当地计算出被处理水的bod浓度。
[0070]
[比较例a-2]关于仅使用二氧化碳浓度作为输入的数据集，求出误差方差，结果为290。
[0071]
[实施例a-3]关于使用二氧化碳浓度和溶解氧浓度作为输入的数据集，求出误差方差，误差方差改善为61。关于使用二氧化碳浓度和ph作为输入的数据集，求出误差方差，结果为11。关于使用二氧化碳浓度、ph和溶解氧浓度作为输入的数据集，求出误差方差，结果为22。
[0072]
[试验条件a2]试验条件a2是实施例a-4、a-5以及比较例a-3共用的试验条件。对于试验条件a1，将海绵状载体相对于生物处理水槽的容积以膨松体积30％填充到生物处理水槽中，生物处理水槽中的滞留时间为8小时，水温变动为20～30℃。进行生物处理时的bod容积负载约为3kg/m3/日，生物处理水槽内的水的ph为5.6～7.8。监测从生物处理水槽内的水排放的二氧化碳浓度、生物处理水槽内的水的ph和水温。
[0073]
[比较例a-3]设根据二氧化碳浓度计算bod浓度，针对二氧化碳浓度和各bod浓度，通过一元回归分析计算决定系数r2，结果为0.770。
[0074]
[实施例a-4]设根据二氧化碳浓度和生物处理水槽内的水温计算bod，针对二氧化碳浓度、水温
和各bod浓度，通过神经网络分析计算决定系数r2，结果为0.927。与仅使用二氧化碳浓度的情况相比，可知通过使用二氧化碳浓度和水温，bod浓度的计算精度大幅提高。
[0075]
[实施例a-5]设根据二氧化碳浓度、生物处理水槽内的水温和ph计算bod，针对二氧化碳浓度、水温、ph和各bod浓度，通过神经网络分析计算决定系数r2，结果为0.926。与仅使用二氧化碳浓度的情况相比，可知通过使用二氧化碳浓度、水温和ph，bod浓度的计算精度大幅提高。
[0076]
由以上说明的比较例a以及实施例a可知，除了二氧化碳浓度之外，还使用1个以上与生物处理水槽内的水的水质有关的测量值，使用预先创建的模型计算被处理水的bod浓度，由此能够使营养物质的添加量最佳化。
[0077]
[实施例b以及比较例b]对实施例b以及比较例b进行说明。实施例b以及比较例b是对应于第二实施方式的实施例和比较例。通过赋予分支编号来区分各个实施例以及比较例。首先，针对实施例b以及比较例b对共用的试验条件进行说明。
[0078]
使用容积为19l的图5所示的一级生物处理水槽，进行了作为有机性排水的被处理水的基于好氧处理的生物处理。将好氧性微生物承载在由疏水性聚氨酯树脂构成的海绵状载体上，将这种海绵状载体相对于生物处理水槽的容积以膨松体积20％的体积填充到生物处理水槽中。将生物处理水槽中的滞留时间设为18小时。作为被处理水，使用含有异丙醇的排水。被处理水中的bod浓度约为900mg/l(设为基准浓度)，被处理水中的氮(n)浓度为2mg/l以下，磷(p)浓度为0.1mg以下。进行生物处理时的bod容积负载约为1kg/m3/日，水温约为20℃，生物处理水槽内的水的溶解氧浓度为2mg/l以上，生物处理水槽内的水的ph为6.0～7.5。为了散气，对生物处理水槽以3～5l/分的流量供给空气。
[0079]
对被处理水充分添加营养盐(氮(n)以及磷(p))，使bod：n：p为100：5：1，并监测从生物处理水槽内的水排放的二氧化碳的浓度和生物处理水槽内的水的ph。有意地使被处理水中的bod浓度从基准浓度的100％变化为30％和60％，并且反复执行这种监测。另外，所谓能够高精度地计算被处理水的bod浓度，与营养盐添加控制的精度高具有相同的意思。
[0080]
[比较例b-1]设根据二氧化碳浓度计算被处理水的bod浓度，针对二氧化碳浓度和各bod浓度，通过一元回归分析计算决定系数r2，结果为0.39。
[0081]
[实施例b-1]设根据二氧化碳浓度和风量计算被处理水的bod浓度，针对二氧化碳浓度、风量和各bod浓度，通过多元回归分析计算决定系数r2，结果为0.82。与仅使用二氧化碳浓度的情况相比，可知通过使用二氧化碳浓度和风量，bod浓度的计算精度大幅提高。
[0082]
[实施例b-2]设根据二氧化碳浓度和风量计算被处理水的bod浓度，求出二氧化碳浓度的测量值与风量的测量值的乘积，针对该乘积和各bod浓度，通过一元回归分析计算决定系数r2，结果为0.83。可知通过使用二氧化碳浓度与风量的乘积，bod浓度的计算精度进一步提高。
[0083]
[比较例b-2]设根据二氧化碳浓度和ph计算被处理水的bod浓度，针对二氧化碳浓度、ph和各bod浓度，通过多回归分计算决定系数r2，结果为0.40。
[0084]
[实施例b-3]设根据二氧化碳浓度、风量和ph计算被处理水的bod浓度，针对二氧化碳浓度、风量以及ph和各bod浓度，通过多元回归分析计算决定系数r2，结果为0.89。与使用二氧化碳浓度和ph的情况相比，可知通过除了二氧化碳浓度和ph之外还使用风量，bod浓度的计算精度大幅提高。
[0085]
[实施例b-4]设根据二氧化碳浓度、风量和ph计算被处理水的bod浓度，求出二氧化碳浓度的测量值与风量的测量值的乘积，针对该乘积、ph和各bod浓度，通过多元回归分析计算决定系数r2，结果为0.96。与使用二氧化碳浓度和ph的情况相比，在求出二氧化碳浓度的测量值与风量的测量值的乘积的基础上，可知通过使用该乘积和ph，bod浓度的计算精度大幅提高。
[0086]
由以上说明的比较例b以及实施例b可知，除了二氧化碳浓度之外还至少使用风量，使用预先创建的模型计算被处理水的bod浓度，由此能够使营养物质的添加量最佳化。
[0087]
[实施例c以及比较例c]对实施例c以及比较例c进行说明。实施例c以及比较例c是对应于第三实施方式的实施例和比较例。通过赋予分支编号来区分各个实施例以及比较例。首先，针对实施例c以及比较例c对共用的试验条件进行说明。
[0088]
使用容积为19l的一级生物处理水槽，进行了作为有机性排水的被处理水的基于好氧处理的生物处理。将好氧性微生物承载在由疏水性聚氨酯树脂构成的海绵状载体上，将这种海绵状载体相对于生物处理水槽的容积以膨松体积30％填充到生物处理水槽中。将生物处理水槽中的滞留时间设为8小时。作为被处理水，使用异丙醇含有排水。被处理水中的氮(n)浓度为2mg/l以下，磷(p)浓度为0.1mg以下。生物处理水槽内的水的ph为5.6～7.8。通气中的空气流量设定为10l/min，但实际上在9.7～10.3l/min之间变动。
[0089]
对被处理水充分添加营养盐(氮(n)以及磷(p)，监测从生物处理水槽内的水排出的二氧化碳浓度、生物处理水槽内的水的ph、水温和orp。使处理水中的toc在50mg/l～350mg/l的范围内变化，并且反复执行这种监测。
[0090]
[比较例c-1]使用二氧化碳浓度和toc浓度的各自的测量值进行一元回归分析，导出根据二氧化碳浓度来求取toc浓度的关系式。而且，使用该关系式来根据二氧化碳浓度推算toc浓度，计算与实测的toc浓度的决定系数r2，结果为0.770。
[0091]
[实施例c-1]使用二氧化碳浓度、水温和toc浓度的各自的测量值进行多元回归分析，导出根据二氧化碳浓度以及水温来求取toc浓度的关系式。而且，使用该关系式来根据二氧化碳浓度以及水温推算toc浓度，计算与实测的toc浓度的决定系数r2，结果为0.801。
[0092]
[实施例c-2]使用二氧化碳浓度、orp和toc浓度的各自的测量值进行多元回归分析，导出根据二氧化碳浓度以及orp来求取toc浓度的关系式。而且，使用该关系式来根据二氧化碳浓度以及orp推算toc浓度，计算与实测的toc浓度的决定系数r2，结果为0.836。
[0093]
[实施例c-3]使用二氧化碳浓度、ph和toc浓度的各自的测量值进行多元回归分析，导出根据二
氧化碳浓度以及ph来求取toc浓度的关系式。而且，使用该关系式来根据二氧化碳浓度以及ph推算toc浓度，计算与实测的toc浓度的决定系数r2，结果为0.858。
[0094]
[实施例c-4]使用二氧化碳浓度、水温、ph和toc浓度的各自的测量值进行多元回归分析，导出根据二氧化碳浓度、水温以及ph来求取toc浓度的关系式。而且，使用该关系式来根据二氧化碳浓度、水温以及ph推算toc浓度，计算与实测的toc浓度的决定系数r2，结果为0.859。
[0095]
[实施例c-5]进行将二氧化碳浓度和水温的各测量值作为输入、将toc浓度的测量值作为输出的监督式学习，构成基于神经网络的模型。使用该学习完成的模型来根据二氧化碳浓度以及水温推算toc浓度，计算与实测的toc浓度的决定系数r2，结果为0.927。
[0096]
[实施例c-6]进行将二氧化碳浓度和orp的各测量值作为输入、将toc浓度的测量值作为输出的监督式学习，构成基于神经网络的模型。使用该学习完成的模型来根据二氧化碳浓度以及orp推算toc浓度，计算与实测的toc浓度的决定系数r2，结果为0.933。
[0097]
[实施例c-7]进行将二氧化碳浓度和ph的各测量值作为输入、将toc浓度的测量值作为输出的监督式学习，构成基于神经网络的模型。使用该学习完成的模型来根据二氧化碳浓度以及ph推算toc浓度，计算与实测的toc浓度的决定系数r2，结果为0.927。
[0098]
[实施例c-8]进行将二氧化碳浓度、水温和ph的各测量值作为输入、将toc浓度的测量值作为输出的监督式学习，构成基于神经网络的模型。使用该学习完成的模型来根据二氧化碳浓度、水温以及ph推算toc浓度，计算与实测的toc浓度的决定系数r2，结果为0.926。
[0099]
[实施例c-9]进行将二氧化碳浓度、orp、水温和ph的各测量值作为输入、将toc浓度的测量值作为输出的监督式学习，构成基于神经网络的模型。使用该学习完成的模型来根据二氧化碳浓度、orp以及水温推算toc浓度，计算与实测的toc浓度的决定系数r2，结果为0.949。
[0100]
[实施例c-10]将二氧化碳浓度与通气流量相乘而作为二氧化碳的流量。进行将该二氧化碳流量、orp、水温和ph的各测量值作为输入、将toc浓度的测量值作为输出的监督式学习，构成基于神经网络的模型。使用该学习完成的模型来根据二氧化碳流量、orp以及水温推算toc浓度，计算与实测的toc浓度的决定系数r2，结果为0.971。(标号说明)
[0101]
10 生物处理水槽11 载体12 散气装置13 入口配管14 气体配管15 鼓风机16 盖
21 营养物质贮槽22 营养液配管23 泵31、35 二氧化碳浓度传感器32 风量计33 水质测量部34 被处理水质测量部36 气体测量部40 控制装置50 运算装置。