Budapesti Műszaki és Gazdaságtudományi EgyetemÉpítőmérnöki Kar - építőmérnök képzés 1782 óta

A víz és szennyvíztisztító rendszerek működését befolyásolják a változó befolyó vízminőségi jellemzők, az üzemeltetési bizonytalanságok, valamint a szigorodó vízminőségi előírások. A gyakorlatban az üzemeltetőknek olyan időben változó folyamatokra kell reagálniuk, ahol a fizikai és biokémiai mechanizmusok erősen nemlineáris módon kapcsolódnak egymáshoz. A hagyományos, folyamatalapú modellek széles körben alkalmazottak ezen rendszerek leírására, azonban gyakran jelentős kalibrációs igénnyel járnak, és nem minden esetben képesek rugalmasan követni a valós üzemeltetési körülmények gyors változásait. Ezzel szemben a tisztán adatvezérelt módszerek, mint például a mesterséges neurális hálózatok, jó előrejelzési képességgel rendelkeznek, ugyanakkor általában hiányzik belőlük a fizikai értelmezhetőség, és korlátozottan alkalmazhatók a tanító adathalmazon kívüli esetekben.
A tervezett kutatás célja ezen hiányosságok áthidalása egy olyan hibrid módszertan kidolgozásával, amely egységes keretben ötvözi a folyamat alapú modellezést és a gépi tanulási megközelítéseket. A kutatás egyaránt kiterjed az ivóvíz és szennyvíztisztítási rendszerekre, azzal a céllal, hogy olyan modellek jöjjenek létre, amelyek nemcsak pontosak, hanem mérnöki döntéstámogatásra is alkalmasak. A kutatás kiindulópontját a jelölt korábbi, neurális hálózatokon alapuló zavarosság előrejelzési munkája képezi, amely több irányban kerül továbbfejlesztésre. Egyrészt a hangsúly a többváltozós vízminőségi modellezésre kerül, beleértve olyan paramétereket, mint a zavarosság, pH, vezetőképesség, valamint egyes szennyezőanyagok indikátorai. A modellezés során kiemelt szerepet kapnak az időbeli folyamatok, mivel a vízminőség alakulása nagymértékben függ a korábbi állapotoktól és a külső hatásoktól.

A kutatás központi eleme dinamikus gépi tanulási modellek fejlesztése, különös tekintettel a rekurzív és időeltolásos neurális hálózatokra, amelyek képesek az időbeli összefüggések megragadására. Ezzel párhuzamosan egyszerűsített, folyamat alapú leírások (például biológiai vagy szűrési folyamatok egyszerűsített modelljei) kerülnek beépítésre és összekapcsolásra az adatvezérelt komponensekkel (Környezet Matlab Simulink, Python, C#, stb). Ez a hibrid megközelítés várhatóan javítja a modellek értelmezhetőségét a tisztán empirikus modellekhez képest.
A kutatás fontos részét képezi a modellek általánosíthatóságának vizsgálata. A különböző tisztítótelepek eltérő méretűek, felépítésűek és üzemeltetési feltételekkel működnek, így az egy adott rendszerre fejlesztett modellek gyakran nem alkalmazhatók közvetlenül más rendszerekben - Ennek megfelelően a kutatás célja annak feltárása, hogy a modellstruktúrák és bemeneti változók milyen mértékben általánosíthatók, valamint hogy az érzékenységvizsgálat és a változókiválasztás miként támogathatja ezt a folyamatot. A kutatás kiterjed az üzemeltetési optimalizáció kérdésére is. A kidolgozott modellek alapot szolgáltatnak a folyamatirányítás fejlesztéséhez, például a vegyszeradagolás, levegőztetés vagy szűrési hatékonyság optimalizálásához.
A konkrét problémától függően különböző optimalizációs megközelítések alkalmazása merül fel, azzal a céllal, hogy egyensúly teremthető legyen a tisztítási hatékonyság, az üzemeltetési költségek és a rendszer stabilitása között. A kutatási munka magában foglalja: víz- és szennyvíztisztító rendszerek üzemeltetési adatainak feldolgozását és elemzését,dinamikus adatvezérelt modellek fejlesztését és összehasonlító vizsgálatát, folyamat-alapú ismeretek integrálását hibrid modellstruktúrákba, a modellek validálását mérnöki és statisztikai mutatók alapján, alkalmazását optimalizációs és döntéstámogatói feladatokban.
Tudományos szempontból a kutatás hozzájárul a komplex környezeti rendszerek fejlesztéséhez, ahol sem a tisztán determinisztikus, sem a tisztán adatvezérelt megközelítések nem elegendők önmagukban. A tematika szorosan kapcsolódik a témavezető korábbi kutatásaihoz, különösen a neurális hálózatokon alapuló modellezés, a folyamatmodellek közelítése és a víz- és szennyvízrendszerek optimalizációja területén, amely megfelelő módszertani hátteret biztosít.
A kutatás tervezett lépései és ütemezése
1. félév - A vizsgált rendszer kiválasztása
A helyszín és az elemezni kívánt technológia kiválasztásával kezdjük, valamint az ehhez kapcsolódó szakirodalom megismerése nélkülözhetetlen. Át kell tekinteni a víz- vagy szennyvíztisztító telepről elérhető, felhasználható adatállományt. A doktorandusz feladata annak megvizsgálása, hogyan épül fel a technológia, mikor és miért változtattak az üzemeltetésen, illetve az egyes mérések mennyire tekinthetők megbízhatónak. Az adatbázissal együtt ezért a technológiai leírást, a mérési helyeket és az üzemnaplókat is át kell nézni.Szennyvíztisztítási irányban hagyományos eleveniszapos telepek, elő- és utódenitrifikációs rendszerek, A/O és A2/O technológiák, SBR-rendszerek, oxidációs árkok, membrán-bioreaktorok vagy más biológiai és kombinált megoldások jöhetnek szóba. Nem szükséges előre egyetlen technológiához kötni a munkát. A választást elsősorban az dönti el, hogy milyen üzemi és vízminőségi adatok állnak rendelkezésre.
Ivóvíztisztítás esetén célszerű a hazai gyakorlatban működő technológiai sorokból kiindulni. Itt a nyersvíz jellemzői, a technológia működése és a kezelt víz minősége közötti összefüggések vizsgálhatók. Az elemzés tárgya lehet például egy vízminőségi paraméter időbeli változása, kedvezőtlen állapot kialakulásának elemzése vagy valamely technológiai lépés teljesítményének változása. Az első félévben nem kifejezetten modellkészítés tervezett, hanem a feladat pontos kijelölése és a szükséges háttérismeretek elsajátítása.
2. és 3. félév - Az adatbázis rendezése és első értékelése, az első modellek elkészítése
Korrelációs és idősoros statisztikai vizsgálatok alkalmazása, valamint az adatok feldolgozása történik. A kapott kapcsolatokat technológiai oldalról is ellenőrizni kell. Alkalmazható környzet: MATLAB, Python vagy C#. Az adatbázis rendezésére, a statisztikai vizsgálatokra és a modellfejlesztésre az adott részfeladathoz megfelelő eszköz választható.Az adatok ismeretében egyszerűbb referenciamodellekkel érdemes kezdeni, melyek megmutatják, hogy mennyi információ tartalma van a kiválasztott bemeneti változóknak, mekkora pontosság érhető el összetettebb eljárások vagy hibrid modell alkalmazása nélkül.
Ezt követően vizsgálhatók a neurális hálózati és más adatvezérelt módszerek. Szóba jöhet többrétegű hálózat, időbeli kapcsolatokat kezelő modell, konvolúciós hálózat, önszervező térkép, klaszterezési eljárás vagy Markov-folyamaton alapuló megközelítés. Az önszervező térkép például üzemállapotok elkülönítésére lehet hasznos, míg más modellek közvetlen előrejelzést adhatnak. Nem cél ugyanakkor az összes felsorolt módszer alkalmazása a végső feladatban; a feladat ezek megismerése és tesztelése. A végső választás attól függ, milyen sűrűségű és mennyiségű adat áll rendelkezésre, ugyanis napi laboradatok alapján nem ugyanaz a modell indokolt, mint órás vagy perces felbontású üzemi adatok esetén.
A gépi tanulási modelleknél külön vizsgálni kell a bemeneti változók kiválasztását, a hálózat felépítését, a tanítás beállításait és a túlillesztés mértékét. Az összehasonlítás azonos adatfelosztással és azonos hibamutatókkal történjen, különben nem dönthető el, hogy valóban a módszer vagy csak a nagyobb modellkomplexitás okozta-e a javulást.
A modelleket időrendben elkülönített adatokon kell tanítani és ellenőrizni. Véletlenszerűen összekevert tanító- és tesztadatok használata idősoroknál félrevezető eredményt adhat. A doktorandusz az addigi eredményei alapján publikációt készít az adatfeldolgozási és módszertani eszközökről.
4. félév - Folyamatalapú leírás és az első eredmények lezárása
Ha a kiválasztott technológia és az elérhető adatok ezt lehetővé teszik, az adatvezérelt modellek mellett folyamatalapú leírás is készül. Szennyvíztisztítás esetén ez lehet ismert eleveniszapos modell (ASMx) vagy annak egyszerűsített változata. A modell felépítésének követnie kell a vizsgált telep tényleges technológiai rendszerét, beleértve a reaktorokat, a recirkulációkat és a lényeges üzemi kapcsolatokat.
Tekintve, hogy a doktorandusz szabad választása ivóvíz-technológiai elemzés is lehet, ennek megfelelően az adott technológiai sor meghatározó folyamataiból indulhat ki. Nem teljes körű technológiai szimulátor készítése a cél, hanem egy egyszerűsített modell szoftveres megvalósítása, amely tartalmazza a legfontosabb folyamatkapcsolatokat, és érdemi összehasonlítási alapot ad az eredményekhez.
A két megközelítést azonos időszakokra és azonos célváltozókra kell értékelni. A negyedik félév végére már el kell jutni egy önállóan közölhető eredményig. Ez lehet az adatbázis módszertani feldolgozása, az eltérő modellek összehasonlítása vagy a folyamatalapú modell kalibrációjának és korlátainak bemutatása. Ebből több folyóiratcikk elkészítése tervezett, hazai és idegen nyelvű lektorált folyóiratokban. A kutatás eredményeinek publikálása mellett az előadásokon való részvétel, illetve BME BSc/MSc hallgatók oktatása is aktuálitást kap.
5. és 6. félév - A hibrid modell felépítése és ellenőrzése eltérő üzemállapotokban
A következő lépésben az adatvezérelt és a folyamatalapú modell összekapcsolása kerül előtérbe. Többféle megoldás lehetséges. Az adatvezérelt rész becsülheti a folyamatmodell hibáját, kiegészítheti a nem mért bemeneti adatokat, vagy korrigálhat olyan változókat, amelyeket a folyamatalapú modell állandónak vesz, miközben azok a valóságban időben változnak.
Előre nem célszerű kijelenteni, melyik kapcsolási pont lesz megfelelő; ezt a vizsgálat dönti el. Adott technológiánál a maradékhiba korrekciója, illetve valamely bemeneti vagy állapotváltozó becslése adhat használhatóbb eredményt. Legalább két eltérő hibrid megoldást indokolt elkészíteni, majd ezeket az adatvezérelt és a folyamatalapú referenciamodellekkel, azonos statisztikai értékelés mellett összehasonlítani. Így elválasztható, hogy a pontosság javulása valóban a hibrid felépítésből származik-e, vagy csak egy összetettebb modell használatából.
Vizsgálni fogjuk az adathiány és a mérési bizonytalanság hatását is. Ebben a két félévben lehet értékelni a más telepre vagy más technológiai kialakításra történő átvitel lehetőségét és a gyakorlati alkalmazást. Modelltranszfer megvalósítása, valamint gépi tanulási módszerek összekapcsolása történik meg. Előremutató eredmény, ha meghatározható, mely részek vihetők át változtatás nélkül, és melyeket kell egy új vagy másik rendszerhez kalibrálni. A hibrid modell felépítéséből, ellenőrzéséből és a referenciamodellekkel végzett összehasonlításból a harmadik és negyedik folyóiratcikk elkészítése, illetve konferencia-előadásokon történő részvétel tervezett. A javasolt téziskörvonalak átbeszélése és előadása is ebben az időszakban valósul meg.
7. félév - Gyakorlati alkalmazás
A validált modell felhasználási módját a korábbi eredmények alapján jelöljük ki. Ez lehet vízminőségi előrejelzés, kedvezőtlen állapot korai jelzése, üzemállapotok felismerése vagy különböző üzemeltetési változatok összehasonlítása. Optimalizációs vizsgálat indokolt lehet ha üzemi beavatkozások és azok hatásai az adatokból megfelelően azonosíthatók). Hasznos lehet néhány reális üzemeltetési forgatókönyv összehasonlítása és elkészítése, a kockázatos állapotok előzetes jelzése. A gyakorlati alkalmazás értékelésekor megadjuk, hogy a modell milyen adatok mellett működik, milyen gyakran kell újrakalibrálni, és mely tartományban nem megbízható az eredmény. A tézisek elkészítése, ismételt prezentálása és megvalósíthatóságuk tanszéki keretek között történő megvitatása, majd lezárása is ebben a félévben tervezett.
8. félév - Összefoglalás és disszertáció
Az utolsó félévben az eredményeket egységesen értékeljük, a doktorandusz véglegesíti a téziseket, melynek függvényében elkészülhet a doktori értekezés.A disszertációban külön választjuk az általános módszertani eredményeket a kiválasztott telepre vonatkozó tapasztalatoktól. Egy adott rendszeren elért jó approximáción túl általánosítható tudományos következtetéseket kívánunk levonni. A téziseknek azt kell rögzíteniük, hogy milyen modellfelépítés, adatfeldolgozási eljárás vagy összehasonlítási módszer adott új és más esetekben is értelmezhető eredményt. A publikációk készítése a kutatással párhuzamosan történik. A folyóiratcikkek mellett az eredmények hazai vagy nemzetközi konferencián is bemutathatásra kerülnek. A kéziratok tényleges ütemezését az elkészült eredményekhez és a doktori iskola követelményeihez igazítjuk.
***
Water and wastewater treatment systems are increasingly exposed to fluctuating influent conditions, operational uncertainties, and stricter quality requirements. In practice, operators must respond to time-varying processes where both physical and biochemical mechanisms interact in a highly nonlinear way. Conventional process-based models are widely used to describe these systems; however, they often require extensive calibration effort and are not always flexible enough to follow rapid changes in real operating conditions. At the same time, purely data-driven approaches, such as artificial neural networks, can provide good predictive performance but typically lack physical consistency and are difficult to generalize beyond the training dataset.
The proposed research addresses this gap by developing a hybrid methodology, where process-based knowledge and machine learning techniques are combined within a unified framework. The work will focus on both drinking water and wastewater treatment systems, with the aim of creating models that are not only accurate but also usable for engineering decision-making.
The starting point of the research is the candidate’s previous work on turbidity prediction in drinking water treatment using neural networks. This will be extended in several directions. First, the scope will be broadened from single-variable prediction to multi-variable water quality modeling, including parameters such as turbidity, pH, conductivity, and selected pollution indicators. Second, the models will explicitly consider temporal dynamics, since the evolution of water quality strongly depends on past system states and external conditions (e.g., rainfall, raw water characteristics).
A central task will be the development of dynamic machine learning models, including recurrent or time-delay neural network structures, capable of capturing these dependencies. In parallel, simplified process-based descriptions (e.g., reduced-order representations of biological or filtration processes) will be introduced and coupled with the data-driven components. An important aspect of the work will be the evaluation of model transferability. Treatment plants differ in size, configuration, and operation, and models developed for one system often perform poorly when applied elsewhere. The research will therefore investigate how model structures and input selections can be generalized, and how sensitivity analysis or feature selection can support this process.
Beyond prediction, the research will also consider operational optimization. The developed models will be used as a basis for improving process control, for example in relation to dosing strategies, aeration intensity, or filtration performance. Different optimization approaches may be tested, depending on the specific problem, with the aim of balancing treatment efficiency, operational cost, and system stability. The work will involve:processing and analysis of operational datasets from water and wastewater treatment plants, development and comparison of dynamic data-driven models, incorporation of process knowledge into hybrid model structures, validation of model performance using engineering and statistical criteria, application of the models in optimization and decison-support contexts.
From a scientific point of view, the expected contribution lies in the development of hybrid modeling strategies for complex environmental systems, where neither purely mechanistic nor purely data-driven approaches are sufficient on their own. From an engineering perspective, the results may support more reliable and cost-effective operation of treatment facilities.The topic is closely related to the supervisor’s previous work in neural network-based modeling, approximation of process models, and optimization of water and wastewater systems, which provides a suitable methodological background for the proposed research.
Planned research steps and schedule
Semester 1 - Selection of the system to be studied
The first task is to select the site and the treatment technology to be analysed and to review the related scientific literature. The available and usable dataset from the selected water or wastewater treatment plant must also be assessed. The doctoral student will examine how the technology is configured, when and why operational changes were introduced, and how reliable the individual measurements are. The technological documentation, monitoring locations and operating logs must therefore be reviewed together with the database.
For wastewater treatment, the possible systems include conventional activated sludge plants, pre- and post-denitrification systems, A/O and A2/O technologies, sequencing batch reactors, oxidation ditches, membrane bioreactors, and other biological or combined treatment systems. The work does not need to be linked to a single technology in advance. The final selection will primarily depend on the available operational and water-quality data.
For drinking water treatment, it is reasonable to start with treatment trains used in Hungarian practice. The relationships between raw-water characteristics, process operation and treated-water quality may then be studied. The analysis may concern, for example, the temporal variation of a water-quality parameter, the development of an unfavourable condition, or a change in the performance of a particular treatment step. The first semester is not primarily intended for model development; its purpose is to define the research task and acquire the required background knowledge.
Semesters 2 and 3 - Organisation and initial assessment of the database and development of the first models
Correlation and time-series analyses will be applied and the available data will be processed. The relationships identified in the data must also be checked from a technological point of view. The analysis should address time delays, the stability of the relationships, the possibility of generating synthetic data, and the initial testing of neural network architectures.
Data processing may be carried out in MATLAB, Python or C#. It is not necessary to complete every task in the same software environment. Different tools may be selected for database preparation, statistical analysis and model development according to the requirements of each subtask.
Once the data have been examined, work should begin with simpler reference models. These indicate how much information is contained in the selected input variables and what level of accuracy can be reached without more complex procedures or a hybrid model.
Neural network models and other data-driven methods can then be studied. Possible approaches include multilayer networks, models that account for temporal relationships, convolutional networks, self-organising maps, clustering methods and models based on Markov processes. A self-organising map, for example, may be useful for separating operating states, whereas other models may provide direct predictions. The aim is not to apply every listed method in the final work, but to become familiar with and test the approaches that are relevant to the selected problem. The final choice will depend on the quantity, density and temporal resolution of the available data, since daily laboratory data do not justify the same model as hourly or minute-level operating data.
For the machine-learning models, the selection of input variables, the network structure, the training settings and the extent of overfitting must be examined separately. The models should be compared using the same data split and the same error measures; otherwise, it cannot be established whether an improvement is due to the method itself or simply to greater model complexity.
Training, validation and testing must be performed on datasets separated in chronological order. Randomly mixing training and test data may produce misleading results for time series. Based on the results obtained up to this stage, the doctoral student will prepare a publication on the data-processing and methodological tools used in the research.
Semester 4 - Process-based description and completion of the first results
If the selected technology and the available data permit it, a process-based description will be developed in addition to the data-driven models. For wastewater treatment, this may be a recognised activated sludge model from the ASM family or a simplified version of such a model. The model structure must follow the actual process layout of the selected plant, including the reactors, recirculation flows and relevant operational connections.
Since the doctoral student may also choose a drinking water treatment application, the model may instead be based on the dominant processes of the selected treatment train. The objective is not to develop a complete process simulator, but to implement a simplified software model that contains the most important process relationships and provides a meaningful basis for comparison with the results.
The two approaches must be evaluated for the same periods and the same target variables. By the end of the fourth semester, at least one independently publishable result should be available. This may concern the methodological processing of the database, comparison of different models, or calibration and limitations of the process-based model. Several journal papers are planned from these results, including peer-reviewed publications in Hungarian and in a foreign language. In addition to publishing the research results, participation in presentations and involvement in teaching BSc and MSc students at BME will also form part of the doctoral student’s work.
Semesters 5 and 6 - Development of the hybrid model and testing under different operating conditions
The next stage focuses on coupling the data-driven and process-based models. Several solutions are possible. The data-driven component may estimate the error of the process model, supplement unmeasured input data, or correct variables that are treated as constant in the process-based model even though they vary over time under actual operating conditions.
It is not reasonable to specify the final coupling method in advance; this will be decided by the investigation. Depending on the selected technology, residual-error correction or the estimation of an input or state variable may provide the more useful result. At least two different hybrid solutions should be developed and compared with the data-driven and process-based reference models using the same statistical evaluation. This makes it possible to separate an improvement caused by the hybrid structure from an improvement resulting only from a more complex model.
The effects of missing data and measurement uncertainty must also be examined. During these two semesters, the transferability of the model to another plant or another technological arrangement and its practical application may be assessed. Model transfer and the coupling of machine-learning methods will be investigated. A useful result will be the identification of those parts that can be transferred without modification and those that must be recalibrated for a new or different system.
The development and testing of the hybrid model and its comparison with the reference models are expected to provide the basis for the third and fourth journal papers. Participation in scientific conferences is also planned. Preliminary thesis outlines will be discussed and presented during this period.
Semester 7 - Practical application
The practical use of the validated model will be selected on the basis of the preceding results. Possible applications include water-quality forecasting, early warning of unfavourable conditions, recognition of operating states, or comparison of different operating strategies.
An optimisation study is justified if operational interventions and their effects can be identified adequately from the available data. The relevant technological constraints must also be known. It may be useful to compare a limited number of realistic operating scenarios or to provide an early indication of potentially high-risk conditions. The assessment of practical application must specify the data under which the model operates, the required frequency of recalibration, and the range outside which reliable results cannot be expected.
The thesis statements will be prepared and presented again, and their feasibility will be discussed and finalised within the department.
Semester 8 - Summary and dissertation
During the final semester, the results will be evaluated as a whole. The thesis statements will be finalised, the remaining journal papers completed, and the doctoral dissertation prepared.
The dissertation must distinguish between generally applicable methodological results and findings that are specific to the selected plant. A good model fit for a single system cannot in itself be considered a general scientific result. The thesis statements must identify which model structures, data-processing procedures or comparative methods produced new results that can also be interpreted in other cases.
Publication activities will continue in parallel with the research. In addition to journal papers, the results may be presented at Hungarian or international conferences. The actual timing of the manuscripts will be adjusted to the completed results and to the requirements of the Doctoral School.