Intelligent Decision Support Systemsmiquel/idss/IDSS-Part 8-MAI-1112.pdfDades: files d’exemples on...

https://kemlg.upc.edu

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms

Intelligent Decision Support Systems

(Part VIII – TOOLS AND APPLICATIONS)

Miquel Sànchez i Marrè, Karina Gibert

[email protected], [email protected]

http://kemlg.upc.edu/menu1/miquel-sanchez-i-marre

http://kemlg.upc.edu/menu1/karina-gibert

Course 2011/2012


Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms

PART 8 – TOOLS AND APPLICATIONS


Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms

SOFTWARE TOOLS FOR IDSS DEVELOPMENT

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms

© Miquel Sànchez i Marrè & Karina Gibert, KEMLG, 20094

Software Tools for IDSS Development

GESCONDA

WEKA

KLASS

System R


Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms

GESCONDA

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


GESCONDA issues

GESCONDA is an Intelligent Data Analysis System for knowledge management in environmental databases

Statistical & Machine Learning techniques

Explicit management of knowledge

Data filtering

A common language implementation platform: Java

Including recommendation skills

Dynamic data analysis

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


GESCONDA architecture • TRANSITION NETWORKS

• TEMPORAL CBR• DYNAMIC CANDID• TIME SERIES

STATISTICAL DATA PROCESSING

AGENT

ENVIRONMENTALDATABASE

FILTERED DATA

CLUSTERINGTECNHIQUES

AGENT

CASE-BASEDREASONINGTECNHIQUES

AGENT

SUPPORT VECTOR

MACHINE TECNHIQUES

AGENT

DYNAMICAL ANALYSIS

TECNHIQUESAGENT

EXPERT / USERENVIRONMENTAL

SCIENTIST

GOALSDEFINITION

KNOWLEDGEMANAGEMENT • Statistical

analysis

• NN• COBWEB/3• ISODATA• K-MEANS• MARATA

• OPENCASE•

RECOMMENDER /META-KNOWLEDGE

AGENT

On-line helpSuggestion of

UNIFICATION/INTEGRATION of METHODS/PATTERNS

VALIDATION/INTERPRETATION/DOCUMENTATION

USE ofPATTERNS/KNOWLEDGE

• Prediction• Diagnosis• Planning• Decision support


SCIENTIST

KNOWLEDGE

RE

CO

MM

EN

DA

TIO

N A

ND

ME

TA

-KN

OW

LK

ED

GE

MA

NA

GE

ME

NT

DA

TA

FILT

ER

ING

KN

OW

LE

DG

E D

ISCO

VE

RY

KN

OW

LE

DG

E M

AN

AG

EM

EN

T

DECISIONTREE

TECNHIQUESAGENT

RULEINDUCTION

TECNHIQUESAGENT

• ID3• CART• C4.5

• CN2• PRISM• RULES• RISE

STATISTICALMODELLING

AGENT

• MUL. LINEAR REGRESSION• ANOVA• LOGISTIC REGRESSION• MULTIVARIATE D. AN.

• TRANSITION NETWORKS• TEMPORAL CBR -EBR• DYNAMIC CANDID• TIME SERIES

STATISTICAL DATA PROCESSING

AGENT



FILTERED DATAFILTERED DATA

CLUSTERINGTECNHIQUES

AGENT

CASE-BASEDREASONINGTECNHIQUES

AGENT

SUPPORT VECTOR

MACHINE TECNHIQUES

AGENT

DYNAMICAL ANALYSIS

TECNHIQUESAGENT


SCIENTIST


SCIENTIST

GOALSDEFINITION

KNOWLEDGEMANAGEMENT • Statistical

analysis

• NN• COBWEB/3• ISODATA• K-MEANS• MARATA

• OPENCASE

RECOMMENDER /META-KNOWLEDGE

AGENT

• On-line help• Suggestion of

methods

UNIFICATION/INTEGRATION of METHODS/PATTERNS

VALIDATION/INTERPRETATION/DOCUMENTATION

USE ofPATTERNS/KNOWLEDGE

• Prediction• Diagnosis• Planning• Decision support


SCIENTIST


SCIENTIST

KNOWLEDGEKNOWLEDGE

RE

CO

MM

EN

DA

TIO

N A

ND

ME

TA

-KN

OW

LK

ED

GE

MA

NA

GE

ME

NT

DA

TA

FILT

ER

ING

KN

OW

LE

DG

E D

ISCO

VE

RY

KN

OW

LE

DG

E M

AN

AG

EM

EN

T

DECISIONTREE

TECNHIQUESAGENT

RULEINDUCTION

TECNHIQUESAGENT

• ID3• CART• C4.5

• CN2• PRISM• RULES• RISE

STATISTICALMODELLING

AGENT

• MUL. LINEAR REGRESSION• ANOVA• LOGISTIC REGRESSION• MULTIVARIATE D. AN.

FEATURE RELEVANCETECHNIQUES AGENT

ARTIFICIAL NEURAL

NETWORKSAGENT

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Data Base Management & Statistical Data Processing

Database Management Adding variables Deleting variables Recoding variables Standarization of variables Random variable generation Probability values generation

Statistical Data Filtering Descriptive statistical analysis:

one-way two-way

Graphical representation TS-Plots Histograms Letter plots Two-way charts

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Statistical Analysis

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Clustering module

Clustering methods Nearest Neighbour COBWEB/3 Isodata K-means Marata Hybrid clustering based on rules

Randomised Pseudo-bagging techniques (new !!) K-means Nearest Neigbour

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Hierarchical clustering (COBWEB/3)

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Clustering plot

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Randomised Pseudo-bagging

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Decision Tree Induction module

Decision tree classifiers ID3 C4.5 CART

Functionalities Pruning Validation

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


C4.5 induced tree

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Statistical Modelling module

Multiple Linear Regression Parameter estimation Evaluation of fitting coeficients Providing tools for graphical residuals analysis

ANOVA Parameter estimation Evaluation of fitting coeficients Providing tools for graphical residuals analysis

Logistic Regression (coming soon ...)

Multivariate Data Analysis (coming soon ...)

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Linear regression residuals

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Classification Rule Induction module

Methods CN2 method PRISM method RISE method Rules method

Functionalities Rule pruning Validation (simple validation, cross validation) Prediction Rule exportation (CLIPS format, TXT format)

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Rules method

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Rule set validation

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Rule set exported in CLIPS format(defrule Regla1

(>= ?Llargada_pètal 1.0)(< ?Llargada_pètal 2.18)=>(assert (classe Iris-setosa)))

(defrule Regla2(>= ?Amplada_pètal 0.1)(< ?Amplada_pètal 0.58)=>(assert (classe Iris-setosa)))

(defrule Regla3(>= ?Amplada_pètal 1.06)(< ?Amplada_pètal 1.54)(>= ?Llargada_pètal 3.36)(< ?Llargada_pètal 4.54)=>(assert (classe Iris-versicolor)))

(defrule Regla4(>= ?Amplada_pètal 2.02)(< ?Amplada_pètal 2.5)=>(assert (classe Iris-virginica)))

...

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Feature Relevance module

Unsupervised Feature weighting methods Gradient method UEB-1 UEB-2

Functionalities Weight assignment Weights exportation

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Conclusions

Capturing knowledge implicit in databases to get a central corpus for IEDSS is possible

Reliable IEDSS for a real-world complex and ill-structured domains can be constructed

GESCONDA is a promising Intelligent Data Analysis System for building real Intelligent Environmental Decision-Support Systems

GESCONDA integrates both statistical and artificial intelligence data mining techniques

Future recommendation and meta-knowledge tools will improve its usability


Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms

WEKA

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Weka intro

Weka és una col.lecció d’algoritmes d’aprenentatge automàtic escrits en Java (entre ells ID3) desenvolupats per la Universitat de Waikato (Nova Zelanda) Inicialment donava suport al llibre “Data Mining: Practical Machine

Learning Tools and Techniques with Java Implementations Ian H. Witten, Eibe Fran “

La plana que concentra les darreres versions, actualitzacions I documentació i descàrrega del soft és:

http://www.cs.waikato.ac.nz/~ml/index.html/

Els algoritmes de Weka es poden utilizar com a eines d’aprenentatge aïllades o bé utilizar-les dins el vostre propi codi Java.

Ofereix tres tipus d’interacció: SimpleCLI: Línia de comandes Knowledge explorer: GUI per integrar fàcilment càrrega i selecció de

dades amb aplicació de diversos algorimes Experimenter: per mantenir resultats parcials de projectes d’aprenentatge.

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Seqüència d’úsDades entrenament

(format arff)

Weka ID3

C4.5

Càrrega

Selecció de mètode i fixació de paràmetresd’aprenentatge

PART

COBWEB

Model

…

Dades inicials

Dades de prova (format arff)

Separaciódades

Resultats

Prova

(1)(2)

(3)

(4)

(5)

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Format de les dades (arff)

El nom del conjunt de dades: @relation La informació dels atributs: @attribute Les files de dades @data Dades: files d’exemples on a cada fila els valors dels atributs

estan separats per comes. Hi ha la possibilitat de compactar la representació quan les dades

són esparses (la majoria d’atributs tenen valor zero en gairebé tots els exemples)

Per defecte, el darrer atribut es pren com el que actua com a CLASSE

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Format Arff: exemple

@relation contact-lenses

{,young, pre-presbyopic presbyopic}

@attribute age @attribute spectacle-prescrip

{myope, hypermetrope}

@attribute astigmatism {no, yes} @attribute tear-prod-rate {reduced, normal} @attribute contact-lenses {soft, hard, none} @data % % 24 instances % young,myope,no,reduced,none young,myope,no,normal,soft young,myope,yes,reduced,none young,myope,yes,normal,hard young,hypermetrope,no,reduced,none young,hypermetrope,no,normal,soft young,hypermetrope,yes,reduced,none young,hypermetrope,yes,normal,hard pre-presbyopic,myope,no,reduced,none pre-presbyopic,myope,no,normal,soft pre-presbyopic,myope,yes,reduced,none pre-presbyopic,myope,yes,normal,hard pre-presbyopic,hypermetrope,no,reduced,none

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Instal.lació WEKA

Al PC propi Crear el subdirectori weka Descarregar el fitxer the weka-3-2-3.jar des de la URL

referenciada abans (o accedir al directori de soft compartit per pràctiques)

Utilitzar Winzip (en Windows) per extreure els fitxers: Un fitxer .jar que només conté les classes Un fixer jar amb tot el codi Un director “Data” amb conjunts de dades d’exemple Un directori “Doc” amb documentació

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Utilització de Weka

Posta en marxa Doble clic a la icona

corresponent O bé, des de la línia de

comandes (DOS o UNIX) java -jar $WEKAHOME weka.jar O directament java -jar .jar si ja

sou al directori on heu descomprimit els fitxers

Apareix una finestra per escollir interfície gràfica:

SimpleCLI: per a interactuar desde línia de comandes

Explorer: per aplicar una o més sessions d’aprenentatge

Experimenter: per gestionar tot un projecte

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Experimenter:GUI

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Preparació de dades

Càrrega de fitxer .arff

Seguiment

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Selecció fitxer .arff

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Descripció fitxer .arff

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Descripció atribut

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Selecció métode aprenentatge (classificació)

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Selecció métode classificació (llibreria)

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Selecció métode classificació (llibreria C45)

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Mètode actual classificació (llibreria C45)

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


(1) Posta en marxa classificació (llibreria C45)

(2) Resultats

(3) Log: llista experiments

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Visualització model (arbre) i avaluació

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Ampliable

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Preparació de dades: format arff

@relation nom Seguida de la llista de tots els atributs utilitzats al conjunt de dades. Es declaren de la següent forma: @attribute nomatribut especificació followed by a list of all the attributes in the dataset (including the class attribute). These

declarations have the form @attribute nomatribut especificació

Tipus d’atributs: Nominals: f an attribute is nominal, specification contains a list of the possible attribute values in

curly brackets: @attribute nominal_attribute {primer_valor, segon_valpr, …n-valor} Numerics, @attribute numeric_attribute (els enters es representen com a reals) Cadenas @attribute string_attribute string

DADES @data seguida de la llista de tots els exemples Format separa per comes Els comentaris comencen per %

Càrrega des de .xls Guardar com .csv i obrir des de Weka

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Interpretació resultats (1)

=== Run information ===

Scheme: weka.classifiers.j48.J48 -C 0.25 -M 2Relation: contact-lensesInstances: 24Attributes: 5

agespectacle-prescripastigmatismtear-prod-ratecontact-lenses

Test mode: 10-fold cross-validation

Dades bàsiquesdel conjunt de dadesuiltizat, métode i criteris de prova

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms



=== Classifier model (full training set) ===

J48 pruned tree------------------

tear-prod-rate = reduced: none (12.0)tear-prod-rate = normal| astigmatism = no: soft (6.0/1.0)| astigmatism = yes| | spectacle-prescrip = myope: hard (3.0)| | spectacle-prescrip = hypermetrope: none (3.0/1.0)

Number of Leaves : 4

Size of the tree : 7

Time taken to build model: 0.37 seconds

Estructura de l’arbre

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms



=== Stratified cross-validation ====== Summary ===

Correctly Classified Instances 20 83.3333 %Incorrectly Classified Instances 4 16.6667 %Kappa statistic 0.71 Mean absolute error 0.15 Root mean squared error 0.3249Relative absolute error 40.7263 %Root relative squared error 76.5936 %Total Number of Instances 24

Precisió de l’arbre

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms



=== Detailed Accuracy By Class ===

TP Rate FP Rate Precision Recall F-Measure Class

1 0.053 0.833 1 0.909 soft

0.75 0.1 0.6 0.75 0.667 hard

0.8 0.111 0.923 0.8 0.857 none

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms



=== Confusion Matrix ===

a b c <-- classified as

5 0 0 | a = soft

0 3 1 | b = hard

1 2 12 | c = none

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Avaluació de models resultants

Taxa d’error Sobre el conjunt de dades d’entrenament Sobre el conjunt de prova (cross validation)

Confusion Matrix


Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms

KLASS

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


The plattform KLASS

Tool oriented to the Knowledge discovery in ill-structured domains [Gib91]

Functionalities: Basic descriptive statistics Reciprocal neighbours clustering Clustering based on rules [Gib94] Boxplot based induction rules [Gib04] Serial data management. Interpretation oriented tools:

Class-pannel graphs [Gib05] Class Characterization [Gib02] Classifications comparison (d–test) [Gib 98] Visualization of hierarchical trees Visualitzation on trees, generation and importation of a-cuts

Reporting support: Direct generation of LaTeX font files


Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms

SYSTEM R


Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms

REAL APPLICATIONS


Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms

DAI-DEPUR+: Application to a WWTP

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Influent PrimarI#1

efluent Primari#3

efluent Biològic Efluent EMIS efluent Aireació i

globals

Dades On-line

Q 9395 PH 7.38

T ? Q 9395 Q 0 Q 9395

PH 7.76 Q 9395

T ? OD ?

Q-A 3668 QR 6176

QP 0

Dades Analítiques

DQO 708 DBO 458 SST 403 NH4

+ 47 TKN 55

Pt ? PO4

3-? COND 1196 TERB 130

Cl- 195

DQO = 495 DBO = 327 SST = 101

DQO 0 DBO 0 SST 0

DQO 124 DBO ?

SST = 34 NH4

+ 21 TKN 33

NO2-/NO3

- ? Pt ?

PO43- ?

COND 1190 TERB 18 Cl- 199

DQO 124 DBO ? SST 34

SSLM 1.09 SSVLM ? V30 950

SST-R 2.17 V30-R ?

Dades Globals del

Procés -

% elim DQO 29 % elim DBO 30 % elim SST 75


% elim DQO 90 % elim DBO 75 % elim SST 66 Q-SP1/Q-AB 1

-

TRC 10.24 relació F:M 0.94

IVF 872 Q-R/Q-AB 0.66 % elim DQO 93 % elim DBO 82 % elim SST 92

Informació Qualitativa

Escuma biològic = poc; Flòcul al clarificador = ?; Estat Clarificador = moltmalament; Aspecte-Aigua tractada = malament; Proveta-V30 = ?; Aspecte flòcul = moltdispers i petit; Zooglea = no; Nocardia =

comu; 21N/Thiotrix = abundant; 0041 = no; Micothrix = no; Filamentosa_dominant = Thiothrix; Número_filamentosos = 2; Protos = ?; Aspidisca = molt abundant; Euplotes = no; vorticella = ?; Epistylis = poc; opercularia = no; cilialts-carnívors = no; Gprotozoo_dominant = crawling; Biodiversitat-microfauna =

3; Grans flagel·lats = no; Petits flagelats = no; Amebes = no; Amebes-teca = no; Rotífers = poc

ESTUDI CAS#1: INFORMACIÓ DISPONIBLE

IVF 872

SST 34

DQO 124

F:M 0.94

V30 950

Escuma_biològic =poc Estat_clarificador = moltmalament; Aspecte_aigua tractada= malament

21N/Thiotrix = abundant

Gprotozoo_dominant = crawling

INFORMACIÓ MÉS RELLEVANT UTILITZADA PEL SISTEMA EXPERT

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


ALARMA_FP = FALSA ALARMA PROBLEMES_FILAMENTOSES = CERTA

Escumesaireació

Fang superficial

Escumesdecantador

Color estrany

NO PRESÈNCIA

Augment V30 ? Observacionsmicrobiològiques

Sobrenedants clarificador EscumesColor

decantador

NORMAL

ALARMA_FP = FALSA

ALT

Augment IVF

Augment SST-LM ?

Fang inflant-se

Dia

gnos

iA

ctua

ció

DIAGNOSI_PROBLEMES_FILAMENTOSES

flòcul dispers, estructura oberta ?

alt

Presència filamentoses ?

molt dispersi petit

> 450 ml/g

Tambor central ?

Petits, darrera pont ?

Flotant, zona central ?

Estat clarificador

Aspecte aigua tractadaSST-AT TERB-ATDBO-ATDQO-AT V30 TERB-ATSST-AT DQO-AT V30 Estat

clarificadorAspecte

aigua tractada

MAL/BAIX PRESÈNCIA

IVF ?

Poques aaireació

Color ?

(Identificar tipus filamentosa i causa)

MAL/BAIXALT

ALARMA PROBLEMES_FILAMENTOSES = CERTA

ESTUDI CAS#1: CONEIXEMENT ESPECÍFIC

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Dia

gnos

iA

ctua

ció

espe

cífic

a

F:M BaixaDesequilibri nutrients (C/N/P) Aigua sèptica

Act

uaci

ó no

-esp

ecífi

caIdentificar tipus de filamentosa i causa

SEGONS OBSERVACIONS MICROSCÒPIQUES...MICOTHRIX PARVICELLA

NO

NOCARDIA

COMÚ

THIOTRIX/021

ABUNDANT NO

0041 ZOOGLEA

NO

BEGGIATOA

NO

INTENTA DETERMINAR CAUSA

Augmentar TRC : La mort dels microorganismes provocarà la lisis de més cèlu·lules amb la consequent alliberació denutrients al mediUtilització del decantador primari-2 com a anòxic per afavorir...Cloració a recirculació...

Augmentar Càrrega Màssica: Augmentar QP-B

Al’estiu : Augmentar SSLM i QR

Modificar aireació

Addicionar FeCl3a recirculació

Per filamentoses amb veocitat de desnitrificació baixes, utilització del decantador primari-2 com a

anòxic en casos extrems

Modificar Q-R

BULKING FILAMENTÓS provocat per THIOTRIX o 021N

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


SI V30 = Alt ALESHORES Comprova SSLM

SI Augment_SSLM = Cert ALESHORES Problemes_Filamentoses = Fals(Manca Purga)

ALTRAMENT Augment IVFSI Augment IVF = Cert ALESHORES Problemes_Filamentoses = Cert

SI Estructura flòcul_observacionsmicroscòpiques = dispersa ALESHORES Comprova presència filamentoses

SI Presència filamentoses_Observaciómicrobiològica = Alta ALESHORES Problemes_Filamentoses = Cert

SI

Sobrenedant clarificador = darrerapont

ozona central

otambor central

ALESHORES Comprova IVF

SI IVF > 450 ml/g ALESHORES Problemes_Filamentoses = Cert

SI Color Clarificador = marró ALESHORES Comprova Rendiment BiològicSI Rendiment Biològic = Normal o Alt ALESHORES Comprova Llit FangSI Llit de fang = Alt ALESHORES Comprova IVFSI IVF > 450 ml/g ALESHORES Problemes_Filamentoses = Cert

SI Presència_Escumes_Aireació = Cert ALESHORES Comprova ColorSI Color_escumes = marró ALESHORES Problemes_Filamentoses = Cert

SI Color_escumes = blanc ALESHORES

Comprova SSLM&

Realitza Observació microscòpicade l'escuma

SI

SSLM = Baix&

Presència filamentosesObservació microscòpica = Alta

ALESHORES Problemes_Filamentoses = Cert

ALTRAMENT EXCÉS OXIGEN

AMB REGLES SERIA...

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


SI Identificació_Filamentosa =Thiotrix/021 ALESHORES Situació de Bulking. Envia

Pregunta_F1Pregunta_F1: Pots Identificar la causa ?

SI Causa = Manca nutrients ALESHORES Envia missatge_T1SI Causa = [S2-] alt ALESHORES Envia missatge_T2

SI Causa = Abocament aigüessèptiques ALESHORES Envia missatge_T3

SI Causa = CM baixa ALESHORES Envia missatge_T4ALTRAMENT Envia missatge_T5

Missatge_T1: Pots intentar reduïr el dèficit de nutrients augmentant l'edat del fang(alliberació de nutrients degut a la lisis de cèl·lules) o fent un aport extern de N/P (Compte !

En el cas del N, un excés també seria problemàtic).Missatge_T2: Pots intentar acabar amb aquest microorganisme filamentós amb l'addició d'undesinfectant. Per exemple, clorant el licor mescla en el corrent de recirculació en funció del

valor de l'IVF o mitjançant FeCl3.Missatge_T3: Pots intentar acabar amb aquest microorganisme filamentós amb l'addició d'undesinfectant. Per exemple, clorant el licor mescla en el corrent de recirculació en funció del

valor de l'IVF o mitjançant FeCl3. En cas extrem també pots utilitzar el decantador primari-2com a anòxic.

Missatge_T4 :Augmenta la càrrega màssica. Pots augmentar QP-B o by-passar part de l'ABal dec. primari-2

Missatge_T5 :Com que es tracta d'un bacteri filamentós de velocitat de desnitrificació baixa,pots utilitzar el decantador primari-2 com a anòxic, en cas extrem de creixement explosiu o si

no hi ha maneres de fer-la disminuïr

SI Activació Bloc Actuació deProblemes Filamentoses = Cert ALESHORES Identifica tipus filamentosa

SI PROBLEMES_FILAMENTOSES= Cert ALESHORES

Envia Missatge_1&

Activa Bloc Actuació de ProblemesFilamentoses

Missatge_1 : La planta es troba en una situació problemàtica de creixement excessiu de

AMB REGLES SERIA...

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Gradient DBO5 soluble insuficient en tanc aireació F:M baix

Possible M.Parvicella,H.hydrossis, Nocardia,tipus 021N, 0041, 0675,0092, 0581, 0961, 0803,

1851 i N.limicola

Filamentosos

Activitatmicrofauna Possible XOC deTÒXICS sever

NO, excepte flagel·latsSI

Núbols de fang homogenis que tenen tendència a surar i s’extenen per tot el clarificador

Fang de LM sedimenta lentament i la compactació és pobre en els tests de sedimentabilitat, però sobrenedant és bastant clar o una mica tèrbol

PossibleBULKING FILAMENTÓS

NombrososIntenta identificar si els filaments

són bacteris o fongs i causa

Possible1701, S.natans (baixes T), H.hydrossi,1863 i possi., 021N (altes T)i Thiotrix

OD baix a difs.posicions del tanc

Efluent tèrbol

Clau eikelboom o Jenkins 1

PossibleDESNITRIFICACIÓ oDESFLOCULACIÓ

Equilibri

17

5.5

SI

Deficiència nutrientsa influent i efluent

Possible 021N, 0041, 0675 i

Thiotrix, S.natans

INTENTA DETERMINAR CAUSA

THIOTRIX o 021N

Efluent tèrbol Fang de LM sedimenta lentament i la compactació és pobre en els tests de sedimentabilitat, però sobrenedant és bastant clar o una mica tèrbol

» Cloració: dosificació i gradual. Comprovar SVI, terbolesa, filaments. Cl2, H2O2 i polímers inútils si fang actiu viscósdegut a def. nutrients. [Consulta missatge 3]» Si nivells nutrients<ratios mitjanes o no fàcilment metabolitzable, realitzar tests a l’infl. i efl. per trobar les dosisnecessàries d’addició de N, Na3PO4 i FeCl3.» Si DBO/N > 100/3, proba d’afegir N. Si DBO/P > 100/1, afegeix P i si DBO/Fe > 100/0.5, proba d’afegir Fe

» Augmentar aireació si <1 mg/l» Si OD massa baix només en algunes parts del tanc:

• netejar difusors o sistema de distribució de l’aire• augmentar vel. turbines o pujar el deflector de sortida

» Si flux pistó i OD només baix a l’inici, canvi configuració a alimentació esgraonada, o a RCTA o a aireació esgraonada» Disminuïr F:M, si possible» Cloració: dosificació i gradual. Comprovar SVI, terbolesa, filaments. [Consulta missatge 3]» Tractament amb llit fixe previ» Afegir reactius químics per millorar la sedimentabilitat per aliviar els símptomes mentre es corretgeix el problema.[Consulta missatge 6]

Sulfurs a l’influent. Aigua residual sèptica

Possible Thiotrix sp.,Beggiatoa sp., 0914 i

021Nafavorits per T altes

.Cl2, H2O2 a l’influent.Preairejar influent

Una càrrega màssica baixa es pot donar, p.e., per composició de l’aigua rica en HC de baix PM. La presència de lípids de cadena llarga també afavoreixen el seu creixement. Estressos mecànics, com ara presència de bombes centrífugues, poden conduir a la ruptura de cèl·lules microbianes i a l’alliberament de lípids de les membranes que poden fer proliferar aquests microorganismes filamentosos.» Ús de selectors, si és possible. [Consulta missatge 7] » Canviar de configuració a FP per millorar decantabilitat del fang, si és possible.» Augmentar F:M» Disminuïr aireació

Filamentososa l’influent o a

corrents de retorn

p.e.filaments per OD baixde digestors aerobis

o Thiotrix per digestors anaerobis

» Clorar l’influent a 5-10 mg/l. Si és requereixen dòsis més grans, extremar precaució. Augmentar les dosis a increments de 1-2 mg/l.» Preairejar l’influent, si és possible» Millorar el funcionament dels altres processos de la planta

NombrososIntenta identificar si els filaments

són bacteris o fongs i causa

ESTUDI CAS#1: CONEIXEMENT GENERAL

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


ALTRES ARBRES DE DECISIÓ QUE ES PODRIEN ACTIVAR...

NO

Problemes separació fang activat

FilamentososNo presentso pocs

Nombrosos

Equilibri

Possible desfloculacióper Pin-point

o creixement dispers(comprova tambéBulking viscós)(difs.causes)

Bombolles_V30SIDESNITRIFICACIÓINDESITJADA

Possible BULKINGFILAMENTÓS o FOAMING

Terbolesa a l’efluent

Sedimentabilitat en test però sòlids a l’efluent

Fang que decanta bé,problemes en la qualitat de

l’efluent deguts al clarificador

Bona, V30 normal i clara

Ràpida o lenta però terbolesa en V30

NO

Sedimentabilitat en test però sòlids a l’efluent

Terbolesa a l’efluent

Problemes separació fang activat

Ràpida o lenta però terbolesa en V30

NombrososPossible BULKING

FILAMENTÓS o FOAMING

ESTUDI CAS#1: CONEIXEMENT GENERAL

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Influent Efluent

PrimarI#1 Efluent

Primari#3 Efluent Biològic

Efluent EMIS

Aireació i globals

Dades On-line

Q 9395 PH 7.38

T ? Q 9395 Q 0 Q 9395

PH 7.76 Q 9395

T ? OD ?

Q-A 3668 QR 6176

QP 0

Dades Analítiques

DQO 708 DBO 458 SST 403 NH4

+ 47 TKN 55

Pt ? PO4

3-? COND 1196 TERB 130

Cl- 195

DQO = 495 DBO = 327 SST = 101

DQO 0 DBO 0 SST 0

DQO 124 DBO ?

SST = 34 NH4

+ 21 TKN 33

NO2-/NO3

- ? Pt ?

PO43- ?

COND 1190 TERB 18 Cl- 199

DQO 124 DBO ? SST 34

SSLM 1.09 SSVLM ? V30 950

SST-R 2.17 V30-R ?

Dades Globals del

Procés -



% elim DQO 90 % elim DBO 75 % elim SST 66 Q-SP1/Q-AB 1

-

TRC 10.24 relació F:M 0.94

IVF 872 Q-R/Q-AB 0.66 % elim DQO 93 % elim DBO 82 % elim SST 92

Informació Qualitativa

Escuma biològic = poc; Flòcul al clarificador = ?; Estat Clarificador = moltmalament; Aspecte-Aigua tractada = malament; Proveta-V30 = ?; Aspecte flòcul = moltdispers i petit; Zooglea = no; Nocardia =

comu; 21N/Thiotrix = abundant; 0041 = no; Micothrix = no; Filamentosa_dominant = Thiothrix; Número_filamentosos = 2; Protos = ?; Aspidisca = molt abundant; Euplotes = no; vorticella = ?; Epistylis = poc; opercularia = no; cilialts-carnívors = no; Gprotozoo_dominant = crawling; Biodiversitat-microfauna =

3; Grans flagel·lats = no; Petits flagelats = no; Amebes = no; Amebes-teca = no; Rotífers = poc

IVF 872

Q 9395

DQO 708

COND 1196

DQO = 495

Q 0

DQO 124

NO2-/NO3

- ?

NH4+ 21

F:M 0.94

Gprotozoo_dominant = crawling; Biodiversitat microfauna = 3;

Número_filamentosos=2;Filamentosa_dominant = 021N/Thiothrix

Escuma biològic = poc

NO UTILITZA LA INFORMACIÓ DE TOTES LES VARIABLES, NOMÉS LES CONSIDERADES MÉS DISCRIMINANTS EN LA CONSTRUCCIÓ DE LA BIBLIOTECA

ESTUDI CAS#1: SISTEMA DE RAONAMENT BASAT EN CASOS

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


CAS ACTUAL, DISCRETITZACIÓ I PRIORITZACIÓ DE LES VARIABLES ...

RangCasActual (#25) Atribut Ordre Pes Baix (B) Normal (N) Alt (A)

93957081196495

0124

?21

8720.94

poques2

3

Cabal-entrada (Q-AB)DQO-entrada (DQO-AB)Conductivitat-entrada (COND-AB)DQO-Sortida Primari#1 (DQO-SP1)Cabal-Sortida Primari#3 (Q-SP3)DQO-Aigua Tractada (DQO-AT)Nitrat-Aigua Tractada (NO3-AT)Amoni-Aigua Tractada (NH4-AT)Index Volumètric Fangs (IVF)Càrrega màsssica (CM)Presència Escumes Aireació (ESC-B)Número Filamentosos (NFILAM)Biodiversitat microfauna (BIODIV-MIC)

114

109

121

13142

1538

6

65551877

10898

10

( < 4500 )( < 400 )( < 900 )( < 250 )( < 1000 )( < 35 )( < 1 )

( < 10 )( < 200 )( < 0.25 )

--

( 0 – 2.1 )

( 4500 - 17000 )( 400 - 950 )( 900 - 1800 )( 250 - 550 )

( 1000 - 5500 )( 35 - 80 )( 1 - 6 )

( 10 - 25 )( 200 - 500 )

( 0.25 - 0.35 )( comú )( 0 – 4.25)

( 2.1 –4.5 )

( > 17000)( > 950 )

( > 1800 )( > 550 )

( > 5500 )( > 80 )( > 6 )

( > 25 )( > 500 )( > 0.35 )( > comú )( 4 – 8 )

( 4.5 - 8 )

Crawling Espècie o Grup protozoo dominant(GPROTO-DOMI) 7 8 Sessils Crawling P-flag Cap Rotífers

021/thiotrix Filamentós Predominant (FILAM) 5 10 Zooglea Microthrix 021/thiotrix Nocardia Neither


Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


B

B

N

A NA A

N

N

Cas 14

N

A A N

N

Noc/Thio

Cas 11

Cas 21Cap

B

Cas 2

Cas 18

N

NBN

N B

Cas 3B

N

N

N

Cas 22

B

N

Cas 6 Cas 16B N Cas 5

A

ZooCas 19

N

Cas 12 Cas 10Cap

N

Cas 24

N

Crawling

Mico Noc

Cas 13 Cas 7N A B

A

Noc/Thio

?

Cas 1

Cas 15N

B

Cas 8 A

Mico

A

N

N

NCas 9

?

?

Cil-Car

A

BIBLIOTECA INICIALITZADA AMB 24 CASOS

Cas 23

GPROTO-DOMI

FILAM

BIODIV.MIC

COND-AB

Q-AB

NO3-AT

NH4-AT

NFILAM

DQO-SP1

Q-SP3

ESC-B

DQO-AT

IVF

DQO-AB

CM

CAS RECUPERAT MÉS PROPER : CAS 9


A872

NCas 9

poques

ENTRADA D’UN NOU CAS I RECUPERACIÓ DEL CAS EMMAGETZAMAT MÉS SEMBLANT A L’ACTUAL

124 A

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


(( :identificador del nou

cas CAS 25

:descripció situació (( ( ( ( ( ( ( ( ( ( ( ( ( ( ( ( (

Cabal-entrada (Q-AB) DQO-entrada (DQO-AB) Conductivitat-entrada (COND-AB) DQO-Sortida Primari#1 (DQO-SP1) Cabal-Sortida Primari#3 (Q-SP3) DQO-Aigua Tractada (DQO-AT) Nitrat-Aigua Tractada (NO3-AT) Amoni-Aigua Tractada (NH4-AT) Index Volumètric Fangs (IVF) Càrrega màsssica (CM) Grup protozoo dominant (GPROTO-DOMI) Presència Escumes Aireació (ESC-B) Número Filamentosos (NFILAM) Bacteri Filamentós Predominant (FILAM) Biodiversitat microfauna (BIODIV-MIC)

9395 708 1196 495 0 124 ? 21 872 0.94 crawling 1 (poques) 2 021/Thiotrix 3

) ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) ))

( :cas recuperat CAS 9 :diagnosis BULQUING degut a Thiothrix :actuation ((

( 1. Identificació de la causa : Septicitat (es tracten una cuba de 36 m3/dia de lixiviats durant deu dies del mes d’abril) 2. Utilització del decantador primari#2 com a anòxic 3. Augment Aireació

) ))

:solució ÈXIT (en dos o tres dies) :mesura d'utilitat no calculada :distancia Eixample 0.0049 ))


CAS RECUPERAT DISTÀNCIA EIXAMPLE

C11 (Foaming per Micothrix) 0.4195

C15 (desfloculació) 0.4604

C12 (Foaming per Micothrix) 0.5996

ALTRES CASOS RECUPERATS...

d Ci Cjk

nwke d Aki Akj

k

nwke( , ) ( , )

1 1

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


SISTEMA BASAT EN CASOS SISTEMA BASAT EN REGLES

REGLES i ARBRESde DECISIÓ

ADAPTACIÓ

RECUPERACIÓ

Bibliotecade casos

Noucas

Millorcas

Casadaptat

PROPOSTA ACTUACIÓ

DIAGNOSI

Funció de la causaUtilització del decantador primari#2 com a anòxicDISTÀNCIA : 0.0049

BULQUING degut a Thiothrix. Causa : Septicitat

BULQUING provocat per021N o Thiothrix.

MÒDUL SUPERVISOR

» Utilització del decantador primari#2 com a anòxic» Disminució edat cel·lular (augment cabal de purga)» Cloració » Addició suplementària nutrients

» Augmentar aireació...» Augmentar F:M» Addició reactius químics per millorar sedimentabilitat del fang

Possibles PLANS ACTUACIÓ en funció de la causa :

ESTUDI CAS#1: INTEGRACIÓ DELS DIFERENTS MÒDULS

BULQUING FILAMENTÓS degut a Thiothrix.

INFERÈNCIA SITUACIÓ

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


POSSIBILITAT D’AVALUACIÓ DE LES DIFERENTS PROPOSTES D’ACTUACIÓ AMB GPS-X /X.T. MITJANÇANT SIMULACIÓ AMB EL

MODEL DE LA PLANTA

PLA ACTUACIÓ

ESTUDI CAS#1: INTEGRACIÓ DELS DIFERENTS MÒDULS

PREDICCIÓ

POSSIBLE ENTRADA A L’EDAR AL LLARG DEL DIA

DECISIÓ FINAL

ACTUACIÓ AUTOMÀTICA, EXPERTA O EXPERIENCIAL

EDAR

AL FINAL DEL DIA O MÉS ENDAVANT, LA CAP DE PLANTA

FA UNA AVALUACIÓ DELS RESULTATS OBTINGUTS, QUE

PERMETRÀ TANCAR EL CICLEDEL SRBC

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Supervisory System Performance24 h in advance

same day

Percentage (%)

Situations correctly detected (+) 30 68 24.4 55. 3Situations incorre ctly detected ( -) 10 8.1Situations undetected 15 12.2Filamentous bulking 5 4 7.3Non -filamentous bulking - - 0Foaming 7 10 13.8Rising - 2 1.6Underloading 8 8 13.0Organic Overloading 3 1 3.3Organic shock - 3 2.4High in fluent Total Nitrogen concentration

- 7 5.7

Hydraulic Overloading 3 7 8.1Deflocculation problems (incl. toxic shock)

4 4 6.5

Primary treatment problems - 5 4.2Mechanical or electrical problems - 15 12.2Problems on clarifier (non -biological origin)

- 2 1.6

Validació real en planta


Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms

El sistema intel·ligent supervisor ATL-EDAR

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


The Granollers WWTP

Combined sewer 130,000 population-equivalent Organic Matter & SS removal (N some periods)

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Environmental system Difficult to understand & control

Progress in• control engineering• computer technology• process sensors

• Enabled automatic

• Increased amount of control improvement

information

The Granollers WWTPWhy AI, at all?

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Data/Information• acquired• understood• integrated

KnowledgeBased

Systems

KBS did not succeed• too complex• knowledge could not be

captured in reliable models

The Granollers WWTPWhy AI, at all?

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Decision Support System based on• classical control• mathematical modelling• heuristic knowledge (literature, experts)• experiences

Link advanced and robust control algorithms to AI techniques

The Granollers WWTPOur proposal ...

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


DIA

GN

OSI

SD

ATA

GAT

HER

ING

DEC

ISIO

N S

UPP

ORT

CLASSICAL/ FUZZY

USER INTERFACE

USER

SUPERVISION / PREDICTION

Mathematical Modelling (Simulation)

REASONING

Expert System & Case-Based System

Off-line Data On-line Data

DATABASE

Filtering & Validation Methods

SCADA

WW

TPACTUATIONSTRATEGY

DIA

GN

OSI

SD

ATA

GAT

HER

ING

DEC

ISIO

N S

UPP

ORT

CLASSICAL

CONTROL

USER INTERFACE

USER

USER INTERFACE

USER





REASONING


REASONING


Off-line Data On-line Data

DATABASE

Filtering & Validation Methods

SCADA

WW

TPACTUATIONSTRATEGY

The Intelligent Environmental Decision Support System

AC

TIO

NS

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


LLAÇOS DE CONTROLAUTOMÀTIC

OPERADORS

OBSERVACIONS

Filamentós dominant, escumes…

ANALÍTIQUES

Laboratori:DQO, DBO, SST…

SCADA

Sensors idigitals:

Q, pH, T, OD,…

Operació manualPunts de consigna

Manual operacióAssesorament i control

ConeixementExperiències

Gestió actual de les EDAR

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


OPERADORS

SensorsLaboratoriOperadors

OperacióManual

MÒDUL DE SIMULACIÓ

SCADA

MÒDUL DE GESTIÓ DEL CONEIXEMENT

Llaços de Control Automàtic

Punts de consigna Plans d’actuació

MÒDUL DE CONTROL

EL SISTEMA: ATL-EDAR

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Adaptable modularment a qualsevol EDAR, independentment de laseva mida i instrumentació

Mòduls que composen ATL-EDAR

ATL-EDAR

SISTEMA EXPERT BASAT EN REGLES

SISTEMA DE RAONAMENT BASAT EN CASOS

MÒDUL DE SIMULACIÓModel matemàtic

de simulació

MÒDUL DE CONTROLControl clásic,

fuzzy, etc

Permet RAONAR sobre qualevol tipus de dades

Aprèn i s’enrecorda de les situacions viscudes per la

planta (EXPERIÈNCIA)

Aireació, recirculació, Edat del fang, cabal primari,

by-pass, etc.

MÒDUL DEGESTIÓ DEL CONEIXEMENT

(tècniques d’IA)

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


MÒDUL DE GESTIÓ DEL CONEIXEMENT:

Sistema expert basat en reglesEmula el procés de raonament d’experts humans quan prenen decisions per a solucionar un problema complex

Normal

equilibrio

Riesgo de choque hidráulico,Orgánico, tóxico o rising

Numerosos

Módulo de riesgo de BULKING FILAMENTOSO,

RISING y DESFLOCULACIÓN

DisminuyendoIgual

BULKING FILAMENTOSO

Presenciabact.filamentosas

SSTsalida

tendenciaIVF

Aumentando

Baja o ausencia

Al árbol de decisión de bulking viscoso

TendenciaSST salida

aumentando

Identificaciónorganismo

Si No IdentificaciónCAUSA

Cada 5 min

Elevado

…

Normal

equilibrio

Riesgo de choque hidráulico,Orgánico, tóxico o rising

Numerosos

Módulo de riesgo de BULKING FILAMENTOSO,

RISING y DESFLOCULACIÓN

DisminuyendoIgual

BULKING FILAMENTOSO

Presenciabact.filamentosas

SSTsalida

tendenciaIVF

Aumentando

Baja o ausencia

Al árbol de decisión de bulking viscoso

TendenciaSST salida

aumentando



Si No IdentificaciónCAUSA

IdentificaciónCAUSA

Cada 5 min

Elevado

…

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


APLICACIÓ

EDAR

NOUCAS

BIBLIOTECAde CASOS

CASO MÉSSEMBLANT

PROPOSTA SOLUCIÓ ATL-EDAR

RESULTAT

Permet l’ús d’experiències passades per a solucionar nous problemes que sorgeixen en el procés

MÒDUL DE GESTIÓ DEL CONEIXEMENT:

Sistema de raonament basat en casos

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Mòdul de control

Possible integració de:

control de l’aireació per a aconseguir N/D completa

control de la edad del fang (cabal de purga)

control de la recirculació basat en lògica difusa

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Mòdul de simulació

Models família ASM/BNRM1+ models de decantació

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Adquisició i actualitzacióde dades

datoson-line

dato

san

alíti

cos

datoscalculados

dato

scu

alita

tivos

(off-line)

Adquisició de dades

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


INTERFÍCIE DE TREBALL

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


MÒDUL DE GESTIÓ DEL CONEIXEMENT:Sistema expert basat en regles I

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


MÒDULO DE GESTIÓ DEL CONEIXEMENT:Sistema expert basat en regles II

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


MÒDUL DE GESTIÓ DEL CONEIXEMENT:Sistema de raonament basat en casos

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Mòdul de control

CONTROLRECIRCULACION

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms



Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms



Nitrificación vs. TRCTª 19ºC / 1,0 mgO2/L

0,01,0

2,03,04,0

5,06,07,08,0

9,010,011,0

12,013,0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

días

Amon

io s

alid

a ef

luen

te m

g N/

L

Nitrificación vs. OxígenoTª 19ºC / TRC 8 días

0,0

1,0

2,0

3,0

4,0

5,0

6,0

7,0

8,0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

días

Amon

io s

alid

a ef

luen

te m

g N

/L

1,5 mg O2/L

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Diagnosis

REGLES i ARBRESde DECISIÓ

Regles HeurístiquesÀrbres de Decisió

SESBC

Recogida Datos

NuevoCaso

BIBLIOTECACASOS

Búsqueda

Recuperación

BESTHISTORIC

CASE

PLANACTUACION

Adaptación de la solución del caso más parecido

Recogida Datos

NuevoCaso

BIBLIOTECACASOS

Búsqueda

Recuperación

BESTHISTORIC

CASE

BIBLIOTECACASOS

Búsqueda

Recuperación

BESTHISTORIC

CASE

PLANACTUACION

Adaptación de la solución del caso más parecido

NITRIFICACIÓ INCOMPLETA

Predicció

MODEL DE LA PLANTA

OPERADOR

Adquisició i actualitzacióde dades

Influent Primary effluent Biologic effluent Aeration and global

On-line data

Flow rate 18911 pH 8.2



DO1 0 DO2 1.9 Air flow ?

Recycle 130 % Wasting rate 510 m3 Vel. ascensional 0.56

Analytical data

COD 487 BOD 400* TSS 162

NH4+ 86.5* TKN 336

Total N 122 PO43-10.3*

COND 5100 TERB 128

COD = 399 BOD = 319 TSS = 86 NH4+ 87.8

COND 5100 TERB 77

COD 66 BOD 24* TSS 12

NH4+ 66.1 TKN 87.2

NO2-/NO3- 0.4/0.4 Total N 88 PO43- 6.5*

COND 4900 TERB 11

MLSS 4730 MLVSS 73 V30 262

MLSS-R 4920 V30-R ?

Global data - % COD removal 18

% BOD removal 96.8* % TSS removal 46.9

% COD removal 83.5 % BOD removal 91.4*

% TSS removal 86

SRT ? F:M ratio 0.16

SVI 55.5 Recylce/inflow rate 0.61 % COD removal 86.5 % BOD removal 94* % TSS removal 92.6

Qualitative observations

Brown Scums at aeration tank = few; White Scums at aeration tank = none; Sludge flocs at clarifier = none; V30-test observations = good settling; floc appearance = Large and well formed floc; sludge blanket level at the primary and secondary settlers and thickeners = normal

Sludge floating at primary settler = none; Scums floating at primary settler = none

Microscopic data

Filamentous bacteria presence = none*; Predominant filamentous bacteria = none*; Zooglea = none*; Nocardia spp. = none*; Type 021N = none*; Thiotrix spp. = none*; Type 0041 = none*; Microthrix P. = none*; Number of filamentous bacteria = 0*; Protos = common; Aspidisca =

abundant*; Euplotes = none*; vorticella = common*; Epistylis = some*; Opercularia = none*; Predominant protozooa= aspidisca*; Biodiversity (number of dif. species) = 5*; flagellates > 20 m = few*; flagellates < 20 m = some*; Amoebae = none*; Tecamoebae =

none*; Rotiferi = none*

datoson-line

dato

san

alíti

cos

datoscalculados

dato

scu

alita

tivos

(off-line)

Influent Primary effluent Biologic effluent Aeration and global

On-line data




DO1 0 DO2 1.9 Air flow ?

Recycle 130 % Wasting rate 510 m3 Vel. ascensional 0.56

Analytical data

COD 487 BOD 400* TSS 162

NH4+ 86.5* TKN 336

Total N 122 PO43-10.3*

COND 5100 TERB 128

COD = 399 BOD = 319 TSS = 86 NH4+ 87.8

COND 5100 TERB 77

COD 66 BOD 24* TSS 12

NH4+ 66.1 TKN 87.2

NO2-/NO3- 0.4/0.4 Total N 88 PO43- 6.5*

COND 4900 TERB 11

MLSS 4730 MLVSS 73 V30 262

MLSS-R 4920 V30-R ?

Global data - % COD removal 18

% BOD removal 96.8* % TSS removal 46.9

% COD removal 83.5 % BOD removal 91.4*

% TSS removal 86

SRT ? F:M ratio 0.16

SVI 55.5 Recylce/inflow rate 0.61 % COD removal 86.5 % BOD removal 94* % TSS removal 92.6

Qualitative observations

Brown Scums at aeration tank = few; White Scums at aeration tank = none; Sludge flocs at clarifier = none; V30-test observations = good settling; floc appearance = Large and well formed floc; sludge blanket level at the primary and secondary settlers and thickeners = normal

Sludge floating at primary settler = none; Scums floating at primary settler = none

Microscopic data

Filamentous bacteria presence = none*; Predominant filamentous bacteria = none*; Zooglea = none*; Nocardia spp. = none*; Type 021N = none*; Thiotrix spp. = none*; Type 0041 = none*; Microthrix P. = none*; Number of filamentous bacteria = 0*; Protos = common; Aspidisca =

abundant*; Euplotes = none*; vorticella = common*; Epistylis = some*; Opercularia = none*; Predominant protozooa= aspidisca*; Biodiversity (number of dif. species) = 5*; flagellates > 20 m = few*; flagellates < 20 m = some*; Amoebae = none*; Tecamoebae =

none*; Rotiferi = none*

datoson-line

dato

san

alíti

cos

datoscalculados

dato

scu

alita

tivos

(off-line)

N/D INCOMPLETA

Disminución edad del fangoReducció del cabal de purga i augment de consigna OD

PROPOSTA D’ACTUACIÓ:• augmentar OD• augmentar Edat del fang

Supervisió

Combinació informació i inferència de la situació:FALTA DE NITRIFICACIÓ

Consignes (OD, TRC,RAS, by-pass, RedOx…)

i plans d’actuació manual

Validació usuari i actuació

Avaluació

Aplicación

Evaluación

RESULTADOAprendizaje

AplicaciónAplicación

Evaluación


Evaluación


Gestió de l’EDAR amb ATL-EDAR

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


1999 2000 2002

4 ½ months

Laboratory testing: Face validation, Historical casescorrectnessconsistencyusability

MODULES

Field testing: Real casesintegrationreal dataflow of information

IEDSS

Results and Validation

2001

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Supervisory System Performance 24 h in

advance same day

Percentage (%)

Situations correctly detected (+) 30 68 24.4 55.3 Situations incorrectly detected (-) 10 8.1 Situations undetected 15 12.2 Filamentous bulking 5 4 7.3 Non-filamentous bulking - - 0 Foaming 7 10 13.8 Rising - 2 1.6 Underloading 8 8 13.0 Organic Overloading 3 1 3.3 Organic shock - 3 2.4 High influent Total Nitrogen concentration

- 7 5.7

Hydraulic Overloading 3 7 8.1 Deflocculation problems (incl. toxic shock)

4 4 6.5

Primary treatment problems - 5 4.2 Mechanical or electrical problems - 15 12.2 Problems on clarifier (non-biological origin)

- 2 1.6


Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


1999 2000 2002

Company responsible for the management of Granollers WWTP

Evaluating the results – applying the IEDSS to other WWTP


2001

Correctly detected 85%, (KBS 79%, CBR 82%)

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Time Week 1

Week 2

Week 3 Week 4

Week 5 Week 6 Week 7 Week 8

Week 9

Week 10

Previous Study

Case and cycle

definition

calibration of rules & adaptation of decision trees

Codification of the modifications

Communication to SCADA and periferic elements

Software

integration

Correctness, consistency,

usability

Delivery

Validation of

performance

Transferability of the system: minimum time effort

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Conclusions

How useful can be linking control algorithms to AI techniques...

.... flexible architectureScadaKBSCBS

OURGANN

KB should include general & specific knowledgeKBS-ES: Reasoning

CBR easy & dynamic tool thet let you “learn” with timeCBR System: Remembering past experiences

The EDSS has successfully been supporting the Granollers WWTPfor a long period of time......

.... these kind of systems can succeed.


Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms PSARU: Design of Treatments

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


At the beginning 2001, Catalonia was planning to implement the Smallcommunities wastewater treatment Plan

Directive 91/271• For communities < 2000 i-e

defines “adequate treatment”

Introduction

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


At the beginning 2001, Catalonia was planning to implement the Smallcommunities wastewater treatment Plan

Directive 91/271• For communities < 2000 i-e

defines “adequate treatment”

recently…WFD 2000/60

…introduces fuzzy concepts like “ecological state”“admissible impact”

Introduction

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


…implies considering new dimensions of analysis

definition of adequate treatment

Natural vs. conventionalSystemsWastewater treatment systems

high variability,should improvereceiving environment

higher implication in this subject (benefits and impacts)

Characteristics of

small communities

Introduction

…during the decision-making process

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


the solution is much more scattered/not located

sometimes the relationships are not clear enough to be represented by numerical equations

• the design approach for communities > 2000 i.e (engineer + calculations) do not serve

• we need different types of expertise and knowledge

Introduction

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


In this context……new tools appear

Data from:• communities• environment• wastewater treatment

that allow to integrate knowledge from a panel of experts

“reasonable”proposals

EDSS

Introduction

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


EDSS development: Problem analysis

• 3,482 agglomerations

• 800 municipalities

• about 400,000 i.e.

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Rank of population Percentage (%) < 20 46.8

20 – 50 7.4 51 – 200 19.6

201 – 1000 18.6 1001 – 2000 7.7

EDSS development: Problem analysis

• 45.1% seasonal

• 27.2 % industrial WW

0.0

10.0

20.0

30.0

40.0

50.0

60.0

0-300 301-700 701-1000 >1000

Altitude above the sea level (m.)

Perc

enta

ge

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


EDSS development: Collecting data and knowledge acquisition

Knowledge sources consulted and knowledge bases formed during the knowledge acquisition phase

KNOWLEDGE-BASED DECISION SUPPORT SYSTEM

Knowledge sources

Knowledge bases

USERDecision making assessment in the

most adequate alternative of treatmentProposal of different alternatives

(e.g. economical costs vs. environmental costs)

Data from the surveyto the communities / Experts

Characteristics ofthe small communities

Interviews with Experts / Literature review / visits

Different alternativesof wastewater treatment

Receiving media data /Applicable legislation / Experts

Ecological state of the receiving environment

KNOWLEDGE-BASED DECISION SUPPORT SYSTEM

Knowledge sources

Knowledge bases

USERDecision making assessment in the

most adequate alternative of treatmentProposal of different alternatives

(e.g. economical costs vs. environmental costs)

Data from the surveyto the communities / Experts

Characteristics ofthe small communities

Interviews with Experts / Literature review / visits

Different alternativesof wastewater treatment

Receiving media data /Applicable legislation / Experts

Ecological state of the receiving environment

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms



Data survey

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


• Septinc tanks

• settling-digestion tanks / Imhoff tanks

• primary settlers

Conventional Systems Natural Systems Aquatic-based Land-based Extended aeration (AS)

Tricking filter Rotating Biological Contactor

Sequencing Batch Reactor

Waste stabilisation ponds High-rate pond

Constructed wetland

Intermittent sand filter Buried sand filter

Plant soil treatment


Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


EDSS development: Quality Objectives

Hipsometria< 200 m200 - 800 m801 - 1400 m1401 - 2000 m> 2000 m

Objectius de qualitat físico-químicaRius no contemplatsQualitat bonaQualitat molt bona

Límit de conca

N

20 0 20 40 60 Kilometers

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Synthesis of the acquired knowledge in different waysof representation:

• decision trees

• heuristic rules (IF < conditions > THEN < conclusions >)

for any nucli N upon nucli-actual

whenever the temp-mitjana of N receives a value and when the hab-equiv ofN > 200 and the hab-equiv of N <= 1000 and the nivell-tract of N = thesymbol se then invoke regles200-1000-se rules

• matrices (favoured, disadvantaging & discarded)

• equations (costs)

...implemented as...

EDSS development: Knowledge implementation

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


V-NO3-

nucli dins PEIN,AQ o I-NH4

+reducció NO3

-

eliminació NH4+

Habitants equivalents

no

> 300 h.e

si

si

no

aigües amunt embassaments a partir

de Camprodon ?

reducció N i P

si

> 1000 h.e

noaigües amunt embassamentsabans Camprodon ? (en Ter i

afluents)

> 500 h.e

reducció N i P

si no

no PEIN, ni AQ ni V-NO3 aigües amunt

embassaments ?

< 200 h.e

tract. primari

si

tract. secundari

no

< 500 h.e. ?nosi

no PEIN ni AQ niV-NO3 aigües avall

embassaments ?

tract. primari

si no

Riu Ter

....….…….... ……….….........

abocament al Ges, Sorreig, Gurri o riera de St. Martí?

si no

Tract. secundari

V-NO3-


+nucli dins PEIN,

AQ o I-NH4+

reducció NO3-reducció NO3-

eliminació NH4+eliminació NH4+


no

> 300 h.e

si

si

no


de Camprodon ?


de Camprodon ?

reducció N i Preducció N i P

si

> 1000 h.e


afluents)

> 500 h.e


si no


embassaments ?

< 200 h.e

tract. primaritract. primari

si

tract. secundaritract. secundari

no

< 500 h.e. ?< 500 h.e. ?nosi


embassaments ?


embassaments ?


si no

Riu Ter

....….…….... ……….….........


si no

Tract. secundariTract. secundari

Branch of a larger decision tree


Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


EDSS development: Knowledge implementationHabitants

equivalentsNivell de

TractamentCapacitat del medi

receptor Superfície disponible

PrimariTractament

principalTractament d'afinament Abocament

50-200 PR gens poca o mitjana FS ò IMH Aboc. distribuït ò FISmolta Aboc. distribuït ò FIS ò IT

poca poca o mitjana FS ò IMH Aboc. distribuït ò FISmolta

molta FS ò IMH Aboc Puntual

50-200 SE gens poca FS ò IMH BD ò FP Aboc Distribuït

mitjana FS ò IMH WT ò BD ò FP Aboc Distribuït ò FIS

molta FS ò IMH WT ò BD ò FP IT ò FVFS ò IMH FV ò FIS Aboc zero

poca poca FS ò IMH BD ò FP Aboc Distribuït

mitjana FS ò IMH WT ò BD ò FP Aboc Distr.

molta FS ò IMH WT ò BD ò FP Aboc Distr.FS ò IMH FV ò FIS Aboc zero

molta poca FS ò IMH BD ò FP Aboc Puntual

mitjana FS ò IMH WT ò BD ò FP Aboc Puntual

molta FS ò IMH WT ò BD ò FP Aboc PuntualFS ò IMH FV ò FIS Aboc zero

Tractament proposat

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


EDSS development: Knowledge implementationWT LLAC LAR LA IP FV BD FA SBR FP FiS IT

Si Aqüífers <1.5 m. i pous de captació X X* X*Si Nucli en Aqüífers i Vulnerable-NO3 X X* X*Si glaçades durant >= 10 dies Si alçada sobre nivell mar >= 500 m. Si alçada sobre nivell mar >= 675 m. XSi alçada sobre nivell mar >= 750 m. XSi previsió Abocaments Industrials X X Si estacionalitat (h.e.estac./h.e.fixe > 1) Si T mitjana mes gener <= 5ºC X XSi T mitj.gener <= 12ºC Si nucli en franja costanera Si pendent parcel·la > 5% X X X X XSi pendent parcel·la >= 12% X XSi dist. última casa > 150 m. i < 200 m. Si dist. última casa <= 150 m. X XSi hab.equ. 2010 >= 1300 X XSi hab.equ. 2010 < 100 X XSi hab.equ. 2010 < 250 Si hab.equ. 2010 >= 700 Si hab.equ. 2010 < 700

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


allow economic evaluations of investment andoperational costs

mathematical functionsRBC investment costs Wetland operational costs

0

20000

40000

60000

80000

100000

120000

140000

160000

180000

0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000

habitants equivalents

PTA

/hab

.eq.

0

500

1000

1500

2000

2500

3000

3500

4000

4500

0 200 400 600 800 1000 1200 1400 1600 1800 2000


PTA

/hab

.equ

.


Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms



…a KB-EDSS composed by:

a Knowledge-Based System in two steps:- first one, selection of the treatment level- second one, selection of the most appropiate specifictype of treatment

linked to

a cost estimation model

geographical information (GIS)

database connectivity and menu-based enduser interface

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


EDSS application: A real Case StudyEconomic &

Environmental constraints• Operating costs

• Impact to the media• Detriment of water

Features of the small communities

Identification, explanation and evaluation of the alternatives for

the adequate treatment


Nivell de Tractament

Capacitat del medi receptor Superfície disponible

PrimariTractament














Tractament proposat

Other environmental constraints for certain

treatments• geographical data

• climatic data• stationality

ADEQUATE TREATMENTADEQUATE TREATMENT

Levelof

teatmentV-NO3-


+reducció NO3

-

eliminació NH4+


no

> 300 h.e

si

si

no


de Camprodon ?

reducció N i P

si

> 1000 h.e


afluents)

> 500 h.e

reducció N i P

si no


embassaments ?

< 200 h.e

tract. primari

si

tract. secundari

no

< 500 h.e. ? nosi


embassaments ?

tract. primari

si no

Riu Ter

....….…….... ……….….........


si no

Tract. secundari

V-NO3-


+nucli dins PEIN,

AQ o I-NH4+




no

> 300 h.e

si

si

no


de Camprodon ?


de Camprodon ?


si

> 1000 h.e


afluents)

> 500 h.e


si no


embassaments ?

< 200 h.e


si


no

< 500 h.e. ?< 500 h.e. ? nosi


embassaments ?


embassaments ?


si no

Riu Ter

....….…….... ……….….........


si no


DIA

GN

OSI

S

DEC

ISIO

N S

UPP

OR

TD

ATA

GA

THER

ING

Knowledge Basefor the receiving

media

Knowledge Base for the different

wastewater treatments

User interface

USEREconomic &Environmental constraints

• Operating costs• Impact to the media• Detriment of water

Economic &Environmental constraints








PrimariTractament














Tractament proposat





Levelof

teatmentV-NO3-


+reducció NO3

-

eliminació NH4+


no

> 300 h.e

si

si

no


de Camprodon ?

reducció N i P

si

> 1000 h.e


afluents)

> 500 h.e

reducció N i P

si no


embassaments ?

< 200 h.e

tract. primari

si

tract. secundari

no

< 500 h.e. ? nosi


embassaments ?

tract. primari

si no

Riu Ter

....….…….... ……….….........


si no

Tract. secundari

V-NO3-


+nucli dins PEIN,

AQ o I-NH4+




no

> 300 h.e

si

si

no


de Camprodon ?


de Camprodon ?


si

> 1000 h.e


afluents)

> 500 h.e


si no


embassaments ?

< 200 h.e


si


no

< 500 h.e. ?< 500 h.e. ? nosi


embassaments ?


embassaments ?


si no

Riu Ter

....….…….... ……….….........


si no


DIA

GN

OSI

S

DEC

ISIO

N S

UPP

OR

TD

ATA

GA

THER

ING


media



User interface

USER







PrimariTractament














Tractament proposat





Levelof

teatmentV-NO3-


+reducció NO3

-

eliminació NH4+


no

> 300 h.e

si

si

no


de Camprodon ?

reducció N i P

si

> 1000 h.e


afluents)

> 500 h.e

reducció N i P

si no


embassaments ?

< 200 h.e

tract. primari

si

tract. secundari

no

< 500 h.e. ? nosi


embassaments ?

tract. primari

si no

Riu Ter

....….…….... ……….….........


si no

Tract. secundari

V-NO3-


+nucli dins PEIN,

AQ o I-NH4+




no

> 300 h.e

si

si

no


de Camprodon ?


de Camprodon ?


si

> 1000 h.e


afluents)

> 500 h.e


si no


embassaments ?

< 200 h.e


si


no

< 500 h.e. ?< 500 h.e. ? nosi


embassaments ?


embassaments ?


si no

Riu Ter

....….…….... ……….….........


si no


DIA

GN

OSI

S

DEC

ISIO

N S

UPP

OR

TD

ATA

GA

THER

ING


media



User interface

USER

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Characteristics of the small community Charact. of the receiving environment Catchment La Tordera Abundance of water Nothing Region La Selva Natural pools No Inhabitant equivalents 2010 389 Nitrate polluted zone No Seasonal inhabitants 313 Aquifers Yes Level of treatment C removal No. of wells 2 Altitude (m.) 84 Protected zone No Average T in colder months (ºC) 6 Charact. of the site to build the WWTP Length of sewers (m.) 700 Surface available Large Industry (% i.e.) 0 Average slope (%) 0 Type of industry - Distance to the community (m.) 180

Main characteristics of a real case study solved by the KB-DSS

(community named Malavella Parc)

EDSS application: A real Case Study

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms











PrimariTractament














Tractament proposat





Levelof

teatmentV-NO3-


+reducció NO3

-

eliminació NH4+


no

> 300 h.e

si

si

no


de Camprodon ?

reducció N i P

si

> 1000 h.e


afluents)

> 500 h.e

reducció N i P

si no


embassaments ?

< 200 h.e

tract. primari

si

tract. secundari

no

< 500 h.e. ? nosi


embassaments ?

tract. primari

si no

Riu Ter

....….…….... ……….….........


si no

Tract. secundari

V-NO3-


+nucli dins PEIN,

AQ o I-NH4+




no

> 300 h.e

si

si

no


de Camprodon ?


de Camprodon ?


si

> 1000 h.e


afluents)

> 500 h.e


si no


embassaments ?

< 200 h.e


si


no

< 500 h.e. ?< 500 h.e. ? nosi


embassaments ?


embassaments ?


si no

Riu Ter

....….…….... ……….….........


si no


DIA

GN

OSI

S

DEC

ISIO

N S

UPP

OR

TD

ATA

GA

THER

ING


media



User interface











PrimariTractament














Tractament proposat





Levelof

teatmentV-NO3-


+reducció NO3

-

eliminació NH4+


no

> 300 h.e

si

si

no


de Camprodon ?

reducció N i P

si

> 1000 h.e


afluents)

> 500 h.e

reducció N i P

si no


embassaments ?

< 200 h.e

tract. primari

si

tract. secundari

no

< 500 h.e. ? nosi


embassaments ?

tract. primari

si no

Riu Ter

....….…….... ……….….........


si no

Tract. secundari

V-NO3-


+nucli dins PEIN,

AQ o I-NH4+




no

> 300 h.e

si

si

no


de Camprodon ?


de Camprodon ?


si

> 1000 h.e


afluents)

> 500 h.e


si no


embassaments ?

< 200 h.e


si


no

< 500 h.e. ?< 500 h.e. ? nosi


embassaments ?


embassaments ?


si no

Riu Ter

....….…….... ……….….........


si no


DIA

GN

OSI

S

DEC

ISIO

N S

UPP

OR

TD

ATA

GA

THER

ING


media



User interface

USER







PrimariTractament














Tractament proposat





Levelof

teatmentV-NO3-


+reducció NO3

-

eliminació NH4+


no

> 300 h.e

si

si

no


de Camprodon ?

reducció N i P

si

> 1000 h.e


afluents)

> 500 h.e

reducció N i P

si no


embassaments ?

< 200 h.e

tract. primari

si

tract. secundari

no

< 500 h.e. ? nosi


embassaments ?

tract. primari

si no

Riu Ter

....….…….... ……….….........


si no

Tract. secundari

V-NO3-


+nucli dins PEIN,

AQ o I-NH4+




no

> 300 h.e

si

si

no


de Camprodon ?


de Camprodon ?


si

> 1000 h.e


afluents)

> 500 h.e


si no


embassaments ?

< 200 h.e


si


no

< 500 h.e. ?< 500 h.e. ? nosi


embassaments ?


embassaments ?


si no

Riu Ter

....….…….... ……….….........


si no


DIA

GN

OSI

S

DEC

ISIO

N S

UPP

OR

TD

ATA

GA

THER

ING


media



User interface

USER

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


primary1 main treatment effluent discharge - stabilisation ponds punctual

Imhoff constructed wetland punctual Imhoff RBC2 distributed

- SBR2 distributed - extended aeration2 distributed

Imhoff tricking filter2 distributed


List of possible alternatives

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms











PrimariTractament














Tractament proposat





Levelof

teatmentV-NO3-


+reducció NO3

-

eliminació NH4+


no

> 300 h.e

si

si

no


de Camprodon ?

reducció N i P

si

> 1000 h.e


afluents)

> 500 h.e

reducció N i P

si no


embassaments ?

< 200 h.e

tract. primari

si

tract. secundari

no

< 500 h.e. ? nosi


embassaments ?

tract. primari

si no

Riu Ter

....….…….... ……….….........


si no

Tract. secundari

V-NO3-


+nucli dins PEIN,

AQ o I-NH4+




no

> 300 h.e

si

si

no


de Camprodon ?


de Camprodon ?


si

> 1000 h.e


afluents)

> 500 h.e


si no


embassaments ?

< 200 h.e


si


no

< 500 h.e. ?< 500 h.e. ? nosi


embassaments ?


embassaments ?


si no

Riu Ter

....….…….... ……….….........


si no


DIA

GN

OSI

S

DEC

ISIO

N S

UPP

OR

TD

ATA

GA

THER

ING


media



User interface











PrimariTractament














Tractament proposat





Levelof

teatmentV-NO3-


+reducció NO3

-

eliminació NH4+


no

> 300 h.e

si

si

no


de Camprodon ?

reducció N i P

si

> 1000 h.e


afluents)

> 500 h.e

reducció N i P

si no


embassaments ?

< 200 h.e

tract. primari

si

tract. secundari

no

< 500 h.e. ? nosi


embassaments ?

tract. primari

si no

Riu Ter

....….…….... ……….….........


si no

Tract. secundari

V-NO3-


+nucli dins PEIN,

AQ o I-NH4+




no

> 300 h.e

si

si

no


de Camprodon ?


de Camprodon ?


si

> 1000 h.e


afluents)

> 500 h.e


si no


embassaments ?

< 200 h.e


si


no

< 500 h.e. ?< 500 h.e. ? nosi


embassaments ?


embassaments ?


si no

Riu Ter

....….…….... ……….….........


si no


DIA

GN

OSI

S

DEC

ISIO

N S

UPP

OR

TD

ATA

GA

THER

ING


media



User interface

USER







PrimariTractament














Tractament proposat





Levelof

teatmentV-NO3-


+reducció NO3

-

eliminació NH4+


no

> 300 h.e

si

si

no


de Camprodon ?

reducció N i P

si

> 1000 h.e


afluents)

> 500 h.e

reducció N i P

si no


embassaments ?

< 200 h.e

tract. primari

si

tract. secundari

no

< 500 h.e. ? nosi


embassaments ?

tract. primari

si no

Riu Ter

....….…….... ……….….........


si no

Tract. secundari

V-NO3-


+nucli dins PEIN,

AQ o I-NH4+




no

> 300 h.e

si

si

no


de Camprodon ?


de Camprodon ?


si

> 1000 h.e


afluents)

> 500 h.e


si no


embassaments ?

< 200 h.e


si


no

< 500 h.e. ?< 500 h.e. ? nosi


embassaments ?


embassaments ?


si no

Riu Ter

....….…….... ……….….........


si no


DIA

GN

OSI

S

DEC

ISIO

N S

UPP

OR

TD

ATA

GA

THER

ING


media



User interface

USER

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


primary1 main treatment

effluent discharge

number of favouring reasons

number of disadvantaging

reasons

number of discarding

reasons - stabilisation

ponds punctual 2 1 0

Imhoff constructed wetland

punctual 1 0 0

Imhoff RBC2 distributed 0 0 0 - SBR2 distributed 1 1 0 - extended

aeration2 distributed 0 1 0

Imhoff tricking filter2 distributed 0 0 0

EDSS application: A real Case Study List of possible alternatives with favouring, disadvantaging and discarding reasons

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms



effluent discharge



reasons


reasons - stabilisation

ponds punctual 2 1 0


punctual 1 0 0

Imhoff RBC2 distributed 0 0 0 - SBR2 distributed 1 1 0 - extended

aeration2 distributed 0 1 0

Imhoff tricking filter2 distributed 0 0 0 “this community presents an important contribution of the seasonal population (seasonalpopulation/permanent population = 4.118)”

“this community belongs to a region with suitable climatic conditions for optimalperformance of ponds ”

EDSS application: A real Case Study List of possible alternatives with favouring, disadvantaging and discarding reasons

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms











PrimariTractament














Tractament proposat





Levelof

teatmentV-NO3-


+reducció NO3

-

eliminació NH4+


no

> 300 h.e

si

si

no


de Camprodon ?

reducció N i P

si

> 1000 h.e


afluents)

> 500 h.e

reducció N i P

si no


embassaments ?

< 200 h.e

tract. primari

si

tract. secundari

no

< 500 h.e. ? nosi


embassaments ?

tract. primari

si no

Riu Ter

....….…….... ……….….........


si no

Tract. secundari

V-NO3-


+nucli dins PEIN,

AQ o I-NH4+




no

> 300 h.e

si

si

no


de Camprodon ?


de Camprodon ?


si

> 1000 h.e


afluents)

> 500 h.e


si no


embassaments ?

< 200 h.e


si


no

< 500 h.e. ?< 500 h.e. ? nosi


embassaments ?


embassaments ?


si no

Riu Ter

....….…….... ……….….........


si no


DIA

GN

OSI

S

DEC

ISIO

N S

UPP

OR

TD

ATA

GA

THER

ING


media



User interface











PrimariTractament














Tractament proposat





Levelof

teatmentV-NO3-


+reducció NO3

-

eliminació NH4+


no

> 300 h.e

si

si

no


de Camprodon ?

reducció N i P

si

> 1000 h.e


afluents)

> 500 h.e

reducció N i P

si no


embassaments ?

< 200 h.e

tract. primari

si

tract. secundari

no

< 500 h.e. ? nosi


embassaments ?

tract. primari

si no

Riu Ter

....….…….... ……….….........


si no

Tract. secundari

V-NO3-


+nucli dins PEIN,

AQ o I-NH4+




no

> 300 h.e

si

si

no


de Camprodon ?


de Camprodon ?


si

> 1000 h.e


afluents)

> 500 h.e


si no


embassaments ?

< 200 h.e


si


no

< 500 h.e. ?< 500 h.e. ? nosi


embassaments ?


embassaments ?


si no

Riu Ter

....….…….... ……….….........


si no


DIA

GN

OSI

S

DEC

ISIO

N S

UPP

OR

TD

ATA

GA

THER

ING


media



User interface

USER







PrimariTractament














Tractament proposat





Levelof

teatmentV-NO3-


+reducció NO3

-

eliminació NH4+


no

> 300 h.e

si

si

no


de Camprodon ?

reducció N i P

si

> 1000 h.e


afluents)

> 500 h.e

reducció N i P

si no


embassaments ?

< 200 h.e

tract. primari

si

tract. secundari

no

< 500 h.e. ? nosi


embassaments ?

tract. primari

si no

Riu Ter

....….…….... ……….….........


si no

Tract. secundari

V-NO3-


+nucli dins PEIN,

AQ o I-NH4+




no

> 300 h.e

si

si

no


de Camprodon ?


de Camprodon ?


si

> 1000 h.e


afluents)

> 500 h.e


si no


embassaments ?

< 200 h.e


si


no

< 500 h.e. ?< 500 h.e. ? nosi


embassaments ?


embassaments ?


si no

Riu Ter

....….…….... ……….….........


si no


DIA

GN

OSI

S

DEC

ISIO

N S

UPP

OR

TD

ATA

GA

THER

ING


media



User interface

USER

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms



effluent discharge



reasons


reasons

investment cost (€)

operational cost (€,

first year) - stabilisation

ponds punctual 2 1 0 236,800 3,915


punctual 1 0 0 301,200 5,631

Imhoff RBC2 distributed 0 0 0 398,000 6,894 - SBR2 distributed 1 1 0 380,900 8,710 - extended

aeration2 distributed 0 1 0 380,900 8,710

Imhoff tricking filter2

distributed 0 0 0 347,700 7,218


List of possible alternatives with favouring, disadvantaging and discarding reasons and economic calculations

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms



Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


EDSS application

Ebre

Garona

NogueraRibagorçana

NogueraPallaresa Muga

Fluvià

Tordera

Rieres Maresme

RieresBisbal

La Sènia

El Gaià

Applied to 3,482 small communities grouped in 20 river catchments

El Llobregat

TerSegre

BesòsFoix

Francolí

RieresCosta Brava

Garraf

Meridionals

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


EDSS application: Solutions for Ebre river basin

0 5 10 15 20 25 30 35 40 45 50

Biodisc

Fangs actius

Fangs actius + Filtre verd

Fangs actius + wetland

Fangs Actius_N

Fangs Actius_N/D

Fangs Actius_P

Filtre percolador

Filtre verd

Filtres subterranis

Infiltració/percolació

Infiltració/percolació_SE

Infiltració/percolació+Filtre verd

Infiltració/percolació+Wetland

Llacunatge

Llacunatge d'alt rendiment

SBR

SBR_N

SBR_N/D

SBR_P

Wetland

Percentatge

Número total Alternatives: 276

Distribució Habitants

5% 13%

46%

30%

6%

< 50 50 - 200 200 - 1000 1000 - 2000 > 2000

0 5 10 15 20 25 30 35 40 45 50

Biodisc

Fangs actius

Fangs actius + Filtre verd

Fangs actius + wetland

Fangs Actius_N

Fangs Actius_N/D

Fangs Actius_P

Filtre percolador

Filtre verd

Filtres subterranis

Infiltració/percolació

Infiltració/percolació_SE

Infiltració/percolació+Filtre verd

Infiltració/percolació+Wetland

Llacunatge

Llacunatge d'alt rendiment

SBR

SBR_N

SBR_N/D

SBR_P

Wetland

Percentatge

Número total Alternatives: 276

Distribució Habitants

5% 13%

46%

30%

6%

< 50 50 - 200 200 - 1000 1000 - 2000 > 2000

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Conclusions

• Selection of WWT for small communities involve not justaspects of technical optimisation, but also environmental,economic and social factors characteristics of the community the receiving environment the available treatment technologies

• to face this complex problem knowledge-based DSS

• satisfactory results according to the pool of experts.


Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms

Other Applications

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


EDSS per a la gestió, control i supervisió d’EDARs Grup d’Enginyeria del Coneixement i Aprenentatge Automàtic.

Secció d’Intel·ligència Artificial (LSI-UPC) http://www.lsi.upc.es/~webia/KEMLG

Laboratori d’Enginyeria Química i Ambiental (LEQUIA-UdG) http://lequia.udg.es

Departament d’Estadística i Investigació Operativa (EIO-UPC) http://www.eio.upc.es

Grup d’Enginyeria Ambiental. Dept. d’Enginyeria Química (UAB) http://eq3.uab.es/

EDSS per a la determinació dels tractament més adequats per a aigües residuals en aglomeracions de menys de 2000 hab-eq. Conveni ACA-Xarxa Temàtica

UdG, UPC, UB, UAB, CSIC

Other Environmental IDSS Applications (1)

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


EDSS per a la predicció i minimització de l’impacte de les activitats volcàniques Grup d’Enginyeria del Coneixement i Aprenentatge Automàtic.

Secció d’Intel·ligència Artificial (LSI-UPC) http://www.lsi.upc.es/~webia/gr-SBC/KEMLG

Grup de Sistemes d’Informació Geogràfica. Dept. de Ingeniería de Sistemas Computacionales. Universidad de Las Américas (UDLA, México) http://mailweb.udlap.mx/~gisudla/ss/ss/espanol/index.html


Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


EDSS per a la correcta utilització de mesures radar per a previsionsde pluges i inundacions Grup d’Enginyeria del Coneixement i Aprenentatge Automàtic.

Secció d’Intel·ligència Artificial (LSI-UPC) http://kemlg.upc.edu

Grup de Modelització Hidrològica. Dept. d’Enginyeria Hidràulica, Marítima i Ambiental (EHMA-UPC)

http://www.upc.es/ehma/gmh/index.htm


Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms



Development of an Industrial Design Support System for Air Pollution Treatment [Arcos, 2003]

CARMA+: A General Architecture for Pest Management [Hastings et al., 2003]

A Case-Based Predictive Sequencing Batch Reactor Controller [Wiese et al., 2003]

Multi-perspective Models for Diagnosing Waste Generation in Chemical Processes [Srinivasan & Halim, 2003]

Design of a Model-based Decision Support System for Water Treatment [Struss et al., 2003]

Defining a Decision Support System to Manage Filamentous Bulking Episodes in Activated Sludge Systems [Martínez et al., 2003]

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms



Intelligent Model Management in a Forest Ecosystem Management Decision Support System [Nute et al., 2002]

Implementation of a Multiagent Prototype for WWTP Management [Borrell et al., 2002]

Designing a Multi-Agent System for Integrated Protection in Agriculture [Perini & Susi, 2002]

OntoWEDSS: an ontology-underpinned decision-support system for wastewater management [Ceccaroni et al., 2002]

The STREAMES project: linking heuristic and empirical knowledge into an Expert System to assess stream managers [Comas et al., 2002]

Qualitative Models of Interactions between Two Populations [Salles et al., 2002]

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms



Knowledge Engineering in Environmental Sciences: Application to Systematics of Corals of the Mascarene Archipelago [Conruyt et al., 2002]

A Conceptual Model to Facilitate Knowledge Sharing for ProblemSolving in Wastewater Treatment Plants [Cortés et al., 2002]

Forecasting Red Tides Using an Hybrid Neuro-Symbolic System[Fdez-Riverola et al., 2002]

Specifications of Modular Internet-Based Remote SupervisionSystems for Wastewater Treatment Plants [Lardon et al., 2002]

Water Resource Management: a Case Study for EcoKnowMICS. [Gamboa, 2000]

DSS for Sustainable Land Management: a South-East Asia Case. [Rais et al., 2000]

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms



WWW Technology-based Hydrological Information and Decision Support System [Keskisarja et al, 2000]

Lessons from an Environmental Information System Developed to Select a Radioactive Waste Disposal Site [Veitch, 2000]

Water Quality Model Integration in a Decision Support System [León et al., 2000]

Integrated Assessments of River Health using Decision Support Software [Young et al., 2000]

Assessment of Ecological Responses to Environmental Flow Regimes using s Decision Support System Framework [Booty et al., 2000]

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms



Integration of Environmental Management into Production Organization and Information Systems [Pillep et al., 2000]

A Decision- Support System for Real-Time Management of Water Quality in the San Joaquín River, California [Quinn, 2000]

River Basin Water Quality Management in Nitra Basin river, Slovakia [Makowski & Somlyódy, 2000]

Land Use Planning. A study in Kenya. [Fischer & Makowski, 2000]

Effect-Focused Air Quality Management in Europe [Amann & Makowski, 2000]

Energy Planning in Low Austria [Messner et al., 2000]

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms



Decision Support for Sustainable Land Development: a case study of Donoguan, China [Yeh & Li, 2000]

Decision Support for Incentive Strategies: A rural development application in Central Africa [Gailly & Installé, 2000]

Efficient Strategies: An Application in Water Quality Planning [Lotov et al. , 2000]

Integrated Rural Energy Decision Support Systems [Pokharel & Chandrashekar, 2000]

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms



Natural Resource Conservation and Crop Management Expert Systems. [Rafea, 2000]

Knowledge management in Environmental Decision Support Systems [Cortés et al., 2000]

Knowledge-Based Models for emergency management systems: The ARTEMIS approach [Hernández & Serrano, 2000]

Using description logics to integrate fisher’s ecological knowledge research of artisanal fisheries [Barreriro et al., 2000]

Mining time series meteorological variables using rough sets: a case study [Fernández-Baizán et al., 2000]

A hybrid expert system: GIS and simulation modeling for environmental and technological risk management [Fedra & Winkelbauer, 1999]

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms



Towards Environmental Decision Support Systems [Cortés et al., 1999]

Intelligent Decision Support for Aerial Spray Deposition Management [Potter et al., 1999]

Local Maximum Ozone Concentration Prediction Using Neural Networks [Wieland & Wotawa, 1999]

Applying Cooperative Distributed Problem Solving Methods to Trumpeter Swan Management [Sojda & Howe, 1999]

A Multi-paradigm Decision Support System to improve Wastewater Treatment Plant Operation [Rodríguez-Roda et al., 1999]

Environmental Management Systems - a Role for AI? [Hart et al., 1998]

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms



Qualitative Reasoning Model for the Prediction of Climatic Data [Mora-López & Conejo, 1998]

Odour Monitoring by the Combination of Sensors and Neural Networks [Bockreis & Jager, 1998]

TRACE – A Development Platform for Environmental Decision Support Systems [Paggio et al., 1998]

Intelligent System for Fish Stock Prediction and Allowable Catch Evaluation [Sazonova & Osipov, 1998]

Inte

llige

nt D

ecis

ion

Supp

ort S

yste

ms


Miquel Sànchez i Marrè, Karina Gibert([email protected], [email protected])

http://kemlg.upc.edu/

Intelligent Decision Support Systemsmiquel/idss/IDSS-Part 8-MAI-1112.pdfDades: files d’exemples on...

Documents

Transcript of Intelligent Decision Support Systemsmiquel/idss/IDSS-Part 8-MAI-1112.pdfDades: files d’exemples on...