G - Physics – 06 – F
Patent
G - Physics
06
F
G06F 15/18 (2006.01) G01N 33/18 (2006.01) G06N 3/04 (2006.01)
Patent
CA 2165400
A method of configuring an artificial neural network for predicting residual chlorine concentration in water contained in a storage tank of a water supply system, the storage tank having an inlet for admitting water into the tank and an outlet for discharging water from the tank. The method of the invention comprises the steps of (a) collecting historical data representative of selected operational and water quality parameters associated with chlorine demand in the tank; (b) scaling the data collected in step (a); (c) organizing the data scaled in step (b) in the form of a set of time-lagged data; and (d) processing the data organized in step (c) through an artificial neural network having a plurality of nodes arranged to define an input layer, an output layer and at least one hidden layer therebetween, by scanning a window over the set of data, the window having a size corresponding to a sub-set of the data, to associate a predicted value with a respective one of the sub-sets scanned by the window, the predicted value being representative of the residual chlorine concentration at the tank outlet. Step (d) is repeated while varying the size of the window and the number of nodes of the at least one hidden layer so as to optimize the predicted value. The artificial neural network is thus configured to recognize a set of data processed therethrough as corresponding substantially to one of the sub-sets of data and to associate with the recognized set of data the optimized predicted value associated with the sub- set of data.
Divulgation d'une méthode pour configurer un réseau neuronal artificiel devant servir à prévoir la concentration de chlore résiduel dans l'eau d'un réservoir de stockage d'un système d'approvisionnement en eau. Ce réservoir de stockage possède un orifice d'entrée pour l'admission de l'eau et un orifice de sortie pour évacuer celle-ci. Cette méthode comprend les étapes suivantes : a) la saisie de données historiques représentatives de paramètres opérationnels et de la qualité de l'eau, relatifs à la demande en chlore dans le réservoir; b) la mise à l'échelle des données saisies pendant l'étape a); c) l'organisation des données mises à l'échelle pendant l'étape b) sous forme d'un ensemble de données temporisées; et d) le traitement des données organisées pendant l'étape c) grâce à un réseau neuronal artificiel, possédant plusieurs noeuds disposés de manière à définir une couche d'entrée, une couche de sortie et au moins une couche cachée située entre celles-ci, en balayant l'ensemble de données à l'aide d'une fenêtre ayant une taille correspondant à un sous-ensemble de ces données, afin d'associer une valeur prédite à une valeur respective des sous-ensembles balayés par cette fenêtre, la valeur prédite étant représentative de la concentration résiduelle de chlore au niveau de l'orifice de sortie du réservoir. De manière à optimiser la valeur prédite, on répète l'étape d) tout en faisant varier la taille de la fenêtre et le nombre de noeuds d'au moins une des couches cachées. Ce réseau neuronal artificiel est donc configuré de manière à ce qu'il puisse reconnaître si un ensemble de données ainsi traité correspond substantiellement à un des sous-ensembles de données et qu'il puisse associer à cet ensemble de données ainsi reconnu la valeur prédite optimisée associée au sous-ensemble de données.
Rodriguez Manuel
Serodes Jean
Ogilvy Renault Llp/s.e.n.c.r.l.,s.r.l.
Universite Laval
LandOfFree
Method of predicting residual chlorine in water supply systems does not yet have a rating. At this time, there are no reviews or comments for this patent.
If you have personal experience with Method of predicting residual chlorine in water supply systems, we encourage you to share that experience with our LandOfFree.com community. Your opinion is very important and Method of predicting residual chlorine in water supply systems will most certainly appreciate the feedback.
Profile ID: LFCA-PAI-O-2056357