季節別モニタリングデータに基づく多層パーセプトロン人工ニューラルネットワークを用いた市営埋立地浸出水の化学的酸素要求量推定

なぜ埋立地の溜まり水が重要なのか

現代の都市は視界からゴミを隠すために埋立地に依存しているが、埋められた廃棄物に雨水が浸透すると、浸出水と呼ばれる強力な化学混合物になることがある。この液体は適切に管理されなければ土壌や水を汚染する可能性がある。本研究は、脳の働きに触発された一種のコンピュータモデルが、毎回高価な実験を行わずとも浸出水の汚れ具合を予測できることを示している。その知見は、地域が廃棄物処理サイトの安全性を高め、監視コストを削減するのに役立つ。

ゴミの下に隠れた水

埋立地に雨が降ると、雨水は古い食べかす、紙、プラスチックなどの層を通り抜ける。その過程で溶けた有機物、油脂、塩類、さらにはヒ素、コバルト、カドミウムなどの微量金属を取り込み、浸出水が形成される。浸出水は暗く、しばしば悪臭を伴う液体で、回収・処理が必要になる。浸出水の汚染度を示す主要な指標の一つが化学的酸素要求量（COD）である。簡単に言えばCODは水中の化学物質や有機物を分解するのに必要な酸素量を示し、CODが高いほど強く、潜在的に有害な汚染を意味する。

季節を通した埋立地の観察

研究者らはトルコ中部の半乾燥地域ニイドゥの市営埋立地に着目した。2022年末から2023年末までの1年間、浸出水が集められる溜まり池から毎週サンプルを採取した。浸出水と周辺環境について、温度、pH（酸性・アルカリ性の程度）、全固形分、油脂、電気伝導度（塩分の指標）、ヒ素、コバルト、カドミウム、そしてCODの9つの基本項目を測定した。CODの値は非常に高く、平均で国内の放流基準の約35倍に達しており、未処理の埋立地浸出水が非常に強い汚染源になり得ることを裏付けた。

多くの測定値を少数の有用な信号に変える

完全な実験はコストと時間がかかるため、研究チームは容易に測定できる他の指標からCODを予測できるかを検討した。まず主成分分析という統計手法を用いた。これは各変数を個別に見るのではなく、同時に増減しやすい測定値の組み合わせといったパターンを抽出する方法で、浸出水の挙動について最も情報量のある要因を浮かび上がらせた。温度、pH、油脂、特定の金属が重要であることが明らかになった。入力変数を最も情報量の多いものに絞ることで、研究者らは本質を捉えつつより単純で高速なモデルを構築しようとした。

デジタル「脳」に浸出水を読み取らせる

研究の核心は多層パーセプトロン（MLP）というタイプの人工ニューラルネットワークだった。このデジタル「脳」は、pHや温度などの測定値と実際のCOD値のペアを示すことで学習する。52週分のデータセットは季節ごとに学習用と検証用に分けられ、モデルは未知の条件に対応できるようにされた。チームは異なる入力セットを用いた4種類のモデル設計を試行し、繰り返し交差検証という方法で多様なデータ分割に対して学習と評価を行い、偶然の結果に惑わされないようにした。最良のモデルは先のパターン分析で選ばれた5つの変数のみを使用し、1つの入力層、21個のノードを持つ1つの隠れ層、1つの出力ノードからなる構造を持っていた。

モデルが教えてくれること

この最良モデルを未知のデータで検証したところ、予測されたCOD値は実測値とよく一致し、相関は0.864だった。これはサンプル数が限られているにもかかわらず、モデルが季節を通じた埋立地の汚染レベルの上下を大部分捉えていることを示す。低いCOD領域では誤差が残るなどの課題はあるが、全体としては日常的な少数の測定項目で完全な化学分析の代替となりうることを示唆している。埋立地の運営者や規制当局にとって、このアプローチは有害な液体を監視しつつ時間と費用を節約する実用的な手段を提供する。

汚れた問題に対するより洗練された監視

本質的に、この研究はスマートなデータ解析と機械学習が複雑で高価な試験問題を扱いやすくできることを示している。季節別モニタリングの1年分のデータでニューラルネットワークを学習させることで、研究者らは少数の簡易検査から埋立地浸出水の汚染度を推定するツールを構築した。これは処理や詳細な検査に取って代わるものではないが、意思決定者に迅速な警報システムとより効率的な計画手段を与える。類似のモデルがさらに洗練され、より多くのデータで補強されれば、ゴミの下の液体が河川などに漏れ出さないようにする標準的なツールになり得るだろう。

引用: Gök, G., Gürbüz, O.Ö. & Gürbüz, O.A. Estimating chemical oxygen demand in municipal landfill leachate using multilayer perceptron artificial neural networks based on seasonal monitoring data. Sci Rep 16, 7096 (2026). https://doi.org/10.1038/s41598-026-37497-9

キーワード: 埋立地浸出水, 水質汚染, 人工ニューラルネットワーク, 廃棄物管理, 化学的酸素要求量