特開 2024-123615 水処理設備の状況診断支援システム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024123615

(43)【公開日】2024-09-12

(54)【発明の名称】水処理設備の状況診断支援システム

(51)【国際特許分類】

   C02F 1/00 20230101AFI20240905BHJP

   G06Q 50/06 20240101ALI20240905BHJP

【ＦＩ】

C02F1/00 D

C02F1/00 V

G06Q50/06

【審査請求】有

【請求項の数】4

【出願形態】ＯＬ

(21)【出願番号】P 2023031184

(22)【出願日】2023-03-01

(71)【出願人】

【識別番号】000001063

【氏名又は名称】栗田工業株式会社

(74)【代理人】

【識別番号】100086911

【弁理士】

【氏名又は名称】重野 剛

(74)【代理人】

【識別番号】100144967

【弁理士】

【氏名又は名称】重野 隆之

(72)【発明者】

【氏名】小塚 泉

(72)【発明者】

【氏名】大月 孝之

(72)【発明者】

【氏名】山本 愛美

【テーマコード（参考）】

5L049

5L050

【Ｆターム（参考）】

5L049CC06

5L050CC06

(57)【要約】

【課題】水処理設備で発生している状況の確信度を上げるために優先的に確認すべき観察情報を決定する。
【解決手段】水処理設備状況診断支援システムは、水処理設備の複数の水処理機器の各々について、検知対象の状況を表す複数のシチュエーションノードと、観察情報を表す複数の観察情報ノードとの関係性をベイジアンネットワークにより表現し、各ノードの事前確率分布が設定された確率モデルを記憶する記憶部と、新たに入力された観察情報と、前記確率モデルとを用いて、前記複数のシチュエーションノードの事前確率分布を修正し、事後確率分布を算出する確率分布算出部と、前記事後確率分布に基づいて、状況が発生している可能性が高いシチュエーションノードを選択し、観察情報が入力されていない観察情報ノードとの間の関係性測度を算出する関係性測度算出部と、前記関係性測度の大きさに基づいて、観察情報の取得優先順位を決定する優先順位決定部と、を備える。
【選択図】図１

【特許請求の範囲】

【請求項1】

複数の水処理機器を有する水処理設備の状況診断支援システムであって、
前記複数の水処理機器の各々について、検知対象の状況を表す複数のシチュエーションノードと、観察情報を表す複数の観察情報ノードとの関係性をベイジアンネットワークにより表現し、各ノードの事前確率分布が設定された確率モデルを記憶する記憶部と、
前記複数の観察情報ノードのいずれかについて新たに入力された観察情報と、前記確率モデルとを用いて、前記複数のシチュエーションノードの事前確率分布を修正し、事後確率分布を算出する確率分布算出部と、
前記事後確率分布に基づいて、前記複数のシチュエーションノードのうち、状況が発生している可能性が高いシチュエーションノードを選択し、選択したシチュエーションノードと、観察情報が入力されていない前記観察情報ノードとの間の関係性測度を算出する関係性測度算出部と、
前記関係性測度の大きさに基づいて、前記観察情報ノードに入力されていない観察情報の取得優先順位を決定する優先順位決定部と、
を備える状況診断支援システム。

【請求項2】

前記確率分布算出部は、未入力であった観察情報が対応する観察情報ノードに入力されると、前記複数のシチュエーションノードの確率分布を再計算する、請求項１に記載の診断支援システム。

【請求項3】

前記関係性測度は、平均情報量を用いた相互情報量である、請求項１に記載の状況診断支援システム。

【請求項4】

前記取得優先順位を表示する表示部をさらに備える、請求項１に記載の状況診断支援システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、水処理設備の状況診断支援システムに関する。

【背景技術】

【0002】

水処理設備では、センサにより水質や流量等が監視されている。例えば、センサによる測定値が連続的にオンラインで管理センターに伝送され、センサ測定値が閾値を超過し、異常が検出された場合に、現場の運転員が状況を診断し、対応策を実行していた。

【0003】

水処理設備は多数の機器で構成されており、オンラインで遠隔監視しているのは一部の機器のみである。そのため、オンライン伝送されたセンサ測定値が閾値を超過して異常が検出されると、運転員は水処理設備へ赴いて他の計器の値を目視確認したり、処理水をサンプリングして分析装置で精密分析したりして、異常の原因を特定していた。

【0004】

しかし、異常の原因特定のために、どの計器の値を確認するか、又はどこの水質を分析するかの判断は運転員（又は専門家）の知識や経験に依存しており、迅速に適切な対応をとることが困難な場合があった。

【先行技術文献】

【特許文献】

【0005】

【特許文献1】特許６７９６３７３号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

本発明は、水処理設備で発生している状況の確信度を上げるために優先的に確認すべき観察情報を決定する水処理設備状況診断支援システムを提供することを課題とする。

【課題を解決するための手段】

【0007】

［１］ 複数の水処理機器を有する水処理設備の状況診断支援システムであって、
前記複数の水処理機器の各々について、検知対象の状況を表す複数のシチュエーションノードと、観察情報を表す複数の観察情報ノードとの関係性をベイジアンネットワークにより表現し、各ノードの事前確率分布が設定された確率モデルを記憶する記憶部と、
前記複数の観察情報ノードのいずれかについて新たに入力された観察情報と、前記確率モデルとを用いて、前記複数のシチュエーションノードの事前確率分布を修正し、事後確率分布を算出する確率分布算出部と、
前記事後確率分布に基づいて、前記複数のシチュエーションノードのうち、状況が発生している可能性が高いシチュエーションノードを選択し、選択したシチュエーションノードと、観察情報が入力されていない前記観察情報ノードとの間の関係性測度を算出する関係性測度算出部と、
前記関係性測度の大きさに基づいて、前記観察情報ノードに入力されていない観察情報の取得優先順位を決定する優先順位決定部と、
を備える状況診断支援システム。

【0008】

［２］ 前記確率分布算出部は、未入力であった観察情報が対応する観察情報ノードに入力されると、前記複数のシチュエーションノードの確率分布を再計算する、［１］に記載の状況診断支援システム。

【0009】

［３］ 前記関係性測度は、平均情報量を用いた相互情報量である、［１］又は［２］に記載の状況診断支援システム。

【0010】

［４］ 前記取得優先順位を表示する表示部をさらに備える、［１］乃至［３］のいずれかに記載の状況診断支援システム。

【発明の効果】

【0011】

本発明によれば、水処理設備で発生している状況の確信度を上げるために優先的に確認すべき観察情報を決定し、提示できるため、現場の運転員の知識や経験に依存せず、また、専門家の判断を仰ぐ必要なく、迅速に適切な対応をとることができる。

【図面の簡単な説明】

【0012】

【図1】本発明の実施形態に係る水処理設備状況診断支援システムの概略構成図である。

【図2】水処理機器の因果関係モデルの例を示す図である。

【図3】各ノードの確率分布の例を示す図である。

【図4】観察情報の追加入力による確率分布の変化の例を示す図である。

【発明を実施するための形態】

【0013】

以下、図面を参照して本発明について詳細に説明する。

【0014】

図１に示すように、本実施形態に係る状況診断支援システム２は、複数の水処理機器を有する水処理設備１の状況診断支援を行うものである。水処理設備１の構成は特に限定されないが、例えば、順に連結された凝集槽１１、除濁膜装置１２、ＭＦ膜（精密濾過膜）分離装置１３、ＲＯ膜（逆浸透膜）分離装置１４等の水処理機器を備える。

【0015】

水処理設備１を構成する複数の水処理機器には、薬注量、給水量、処理水量、処理水質などを測定する様々なセンサが設置されている。

【0016】

状況診断支援システム２は、演算装置２０、記憶部２１及び表示部２２を備える。演算装置２０は例えばコンピュータであり、確率分布算出部２０１、相互情報量算出部２０２、及び優先順位決定部２０３を有する。確率分布算出部２０１、相互情報量算出部２０２、及び優先順位決定部２０３はハードウェアで構成してもよいし、ソフトウェアで構成してもよい。例えば、確率分布算出部２０１、相互情報量算出部２０２、及び優先順位決定部２０３の機能は、コンピュータのＣＰＵ、ＲＡＭ、ＲＯＭなどで構成され、ＲＡＭやＲＯＭ、ハードディスクや半導体メモリ等からなる記憶部２１に記憶されたプログラムを実行することにより実現される。

【0017】

状況診断支援システム２は、水処理設備１のセンサと通信を行う通信部を備えている。状況診断支援システム２は、通信部を用いて、センサ測定値をリアルタイムに取得することができる。

【0018】

記憶部２１には、水処理設備１の状況と観察情報との定性的な因果関係をグラフ構造で表現するモデル（因果関係モデル）が記憶されている。例えば、ベイジアンネットワークを用いて、検知したいシチュエーション（状況）と観察情報との関係性を水処理機器毎にモデリングする。観察情報は、水処理機器に設置されたセンサで測定された値や、サンプリング水を分析装置で分析した結果等である。

【0019】

図２に、水処理設備１の凝集槽１１における因果関係モデルの一例を示す。ベイジアンネットワークは、数値の離散化に基づく頻度分布により、確率分布を表現する。本実施形態では、離散化は、ＬＬ、Ｌ、Ｄ、Ｈ、ＨＨの５段階の状態変数で表現した。数値情報を表現する場合、ＬＬは非常に低い、Ｌは低い、Ｄは設計想定、Ｈは高い、ＨＨは非常に高い、という工学的意味合いを持つ。

【0020】

状態発生を表現する場合、ＬＬは設計想定と比較して発生している可能性は非常に低い、Ｌは発生している可能性は低い、Ｄは設計想定レベルの発生、Ｈは設計想定に対して発生している可能性が高い、ＨＨは発生している可能が非常に高い、という工学的意味合いを持つ。

【0021】

上記の離散化は、工学的意味合いを踏まえた数値の離散化であるため、順序関係があり、正規化した数値区間の離散化を行う実装が可能である。本実装では、０．０～２．０の数値範囲を正規化した数値範囲とし、この数値範囲を５区間に分割して実装した。ＬＬは０．０～０．４、Ｌは０．４～０．８、Ｄは０．８～１．２、Ｈは１．２～１．６、ＨＨは１．６～２．０に対応させた。

【0022】

図２に示す確率モデルでは、離散表現に基づく論理的ノード部品として、ＲＯＯＴノード、ＯＲノード、ＮＥＧノード、ＭＵＬノード、Ｓノード、ＯＢＳノードを以下のように準備した。なお、本実装では確率分布の値域を０～１００の％表示で行った。

【0023】

ＲＯＯＴノード（図２のＲＯＯＴ１～ＲＯＯＴ４）は、入力情報そのものを表現し、他のノードからの入力が無いノードであり、モデルの入力境界を規定する。ＲＯＯＴノードは、０．０～２．０の定義域を持つ５段階に離散化された頻度分布ｆ_ＲＯＯＴで表現され、頻度分布は平均Ｍ、標準偏差ＳＤの正規分布を確率密度関数からの１０００点のランダムサンプリングにより決定される。本ノードに関する専門家への聞き取りに基づき指定する必要のあるパラメータは平均Ｍ（０．０～２．０の範囲）、標準偏差ＳＤ（０．０～２．０の範囲）となる。本方法で決定した、ＲＯＯＴノードのＭ＝１．０、ＳＤ＝０．２での確率分布表は以下の表１となった。

【0024】

【表1】

【0025】

ＯＲノード（図２のＯＲ１、ＯＲ２）は、０．０～２．０の定義域を持つ５段階に離散化された頻度分布を２つの入力とする。ＯＲノードの条件付き確率の頻度分布は、以下の方法で決定する。

【0026】

０．０～２．０の定義域を持つ２つのスカラー値Ｉｎ１、Ｉｎ２を入力値とし、２入力値の最大の値を採用し、さらに、採用した値を平均値Ｍとし、別途指定する標準偏差ＳＤで定義される正規分布の定義域から１点をランダムに採取し、出力する関数ｆ_ＯＲを定義する。

【0027】

Ｉｎ１、Ｉｎ２は一様分布し両者に相関がない想定で、Ｉｎ１とＩｎ２の組み合わせについて１０００点のランダムサンプリングを行い、関数ｆ_ＯＲに入力し、ｆ_ＯＲの出力を取得する。関数の入出力の関係データセットを離散化し頻度分布として整理し、Ｉｎ１およびＩｎ２を２次元の前提条件とし、ＯＲノードの条件付き確率分布として表にまとめる。

【0028】

本ノードに関する専門家への聞き取りに基づき指定する必要のあるパラメータは、標準偏差ＳＤ（０．０～２．０の範囲）のみとなる。本方法で決定した、ＯＲノードのＳＤ＝０．２での条件付き確率分布表は以下の表２となった。

【0029】

【表2】

【0030】

ＮＥＧノード（図２のＤＮＥＧ１）は、０．０～２．０の定義域を持つ５段階に離散化された頻度分布を１つの入力とする。ＮＥＧノードの条件付き確率の頻度分布は、以下の方法で決定する。

【0031】

０．０～２．０の定義域を持つ１つのスカラー値Ｉｎ１を入力値とし、２．０－Ｉｎ１を計算し、さらに、計算した値を平均値Ｍとし、別途指定する標準偏差ＳＤで定義される正規分布の定義域から１点をランダムに採取し正規分布の出力を出力とする関数ｆ_ＮＥＧを定義する。

【0032】

Ｉｎ１は一様分布し、１０００点のランダムサンプリングを行い、関数ｆ_ＮＥＧに入力し、ｆ_ＮＥＧの出力を取得する。同出力の入出力の関数関係データセットを離散化し頻度分布として整理し、Ｉｎ１を１次元の前提条件としＮＥＧノードの条件付き確率分布として表にまとめる。

【0033】

本ノードに関する専門家への聞き取りに基づき指定する必要のあるパラメータは、標準偏差ＳＤ（０．０～２．０の範囲）のみとなる。本方法で決定した、ＮＥＧノードのＳＤ＝０．２での条件付き確率分布表は以下の表３となった。

【0034】

【表3】

【0035】

ＭＵＬノード（図２のＭＵＬ１、ＭＵＬ２）は、０．０～２．０の定義域を持つ５段階に離散化された頻度分布を２つの入力とする。ＭＵＬノードの条件付き確率の頻度分布は、以下の方法で決定する。

【0036】

０．０～２．０の定義域を持つ２つのスカラー値Ｉｎ１、Ｉｎ２を入力値とし、２入力値の最大の値を採用し、さらに、採用した値を平均値Ｍとし、別途指定する標準偏差ＳＤで定義される正規分布の定義域から１点をランダムに採取し、出力する関数ｆ_ＭＵＬを定義する。

【0037】

Ｉｎ１、Ｉｎ２は一様分布し両者に相関がない想定で、Ｉｎ１とＩｎ２の組み合わせについて１０００点のランダムサンプリングを行い、関数ｆ_ＭＵＬに入力し、ｆ_ＭＵＬの出力を取得する。入出力の関係データセットを離散化し頻度分布として整理し、Ｉｎ１およびＩｎ２を２次元の前提条件としＭＵＬノードの条件付き確率分布として表にまとめる。

【0038】

本ノードに関する専門家への聞き取りに基づき指定する必要のあるパラメータは、標準偏差ＳＤ（０．０～２．０の範囲）のみとなる。本方法で決定した、ＭＵＬノードのＳＤ＝０．２での条件付き確率分布表は以下の表４となった。

【0039】

【表4】

【0040】

Ｓノード（図２のＳ１～Ｓ７）は、検知対象の状況を表すシチュエーションノードである。Ｓノードは、０．０～２．０の定義域を持つ５段階に離散化された頻度分布ｆ_Ｓで表現され、自身の頻度分布は平均Ｍ、標準偏差ＳＤの正規分布を確率密度関数からの１０００点のランダムサンプリングにより決定される。

【0041】

本ノードに関する専門家への聞き取りに基づき指定する必要のあるパラメータは平均Ｍ（０．０～２．０の範囲）、標準偏差ＳＤ（０．０～２．０の範囲）となる。本方法で決定した、ＳノードのＭ＝１．０、ＳＤ＝０．２での確率分布表は以下の表５となった。

【0042】

【表5】

【0043】

ＯＢＳノード（図２のＯＢＳ１～ＯＢＳ５）は、観察情報を表すノードである。観察情報は、水処理機器に設置されたセンサの測定値や、サンプリング水を分析装置で分析した結果等である。センサ測定値は、オンライン伝送されるものと、現場で目視確認するものとを含む。

【0044】

モデル構築では、入力情報そのものを表現する、自身への他のノードからの入力がないノード（「入力ノード」と呼ぶ）の確率分布（「事前確率分布」と呼ぶ）を設定する。また、自身への他のノードからの入力があり、他のノードの状態に応じた特定の状態を表現するノード（「中間ノード」と呼ぶ）に対して、入力ノードとの確率的関係を表現する条件付き確率分布を設定する。

【0045】

演算装置２０の確率分布算出部２０１は、記憶部２１から因果関係モデルを取り出し、観察情報が得られる毎に、事前確率分布と新たな観察情報とに基づいて、確率分布を修正し、事後確率分布を求める。

【0046】

また、確率分布算出部２０１は、入力情報の確率分布と各ノードの条件付き確率分布とに基づく、ベイズ定理を利用した各ノードの確率分布（推論による「事後確率分布」と呼ぶ）を計算する。

【0047】

相互情報量算出部２０２は、事後確率分布から、発生している可能性は高いが、確定的ではない状況（シチュエーションノード）を選択し、選択したシチュエーションノードと、観察情報が入力されていない複数のＯＢＳノードの各々との相互情報量（Ｍｕｔｕａｌ Ｉｎｆｏｒｍａｔｉｏｎ）を算出する。発生している可能性は高いが、確定的ではないとは、例えば、シチュエーションノードの確率分布におけるＨＨとＨの合計が第１所定値以上、かつＬＬとＬの合計が第２所定値（第１所定値＞第２所定値）以上の場合である。

【0048】

相互情報量の導出には平均情報量（Ｅｎｔｒｏｐｙ）を用いる。平均情報量とは、ある確率分布をもつ変数のそれぞれの事象が起こる確率から求められる情報量の期待値であり、変数の曖昧さを意味する。平均情報量が大きい時、その変数は曖昧で不確実性が高いことを意味する。ある事象変数Ａの平均情報量Ｈ（Ａ）は下記の通りである。

【0049】

【数1】

【0050】

ここで、ａ_ｉはＡのそれぞれの事象発生確率を意味する。

【0051】

相互情報量とは、２つの確率変数間において、どちらか一方の情報を得た時に、もう一方の平均情報量がどの程度減少するかを示す測度である。ある事象変数Ｂの状態を知った時のＡとＢの相互情報量Ｉ（Ａ；Ｂ）は下記の通りである。

【0052】

【数2】

【0053】

ここで、Ｈ（Ａ｜Ｂ）は条件付エントロピー、ｐ（ａ_ｉ｜ｂ_ｉ）は状態ｂ_ｉである事を知った時に状態ａ_ｉである条件付き確率、ｐ（ａ_ｉ，ｂ_ｉ）は状態ａ_ｉと状態ｂ_ｉが同時に起こる確率である。

【0054】

優先順位決定部２０３は、相互情報量算出部２０２により算出された相互情報量を昇順に並べ、観察情報の取得推奨リストを表示部２２に表示して運転員に提示する。相互情報量が大きい程、観察情報取得の優先順位が高いものとなる。

【0055】

運転員が取得推奨リストをもとに、優先順位の高い観察情報をモデルに入力すると、確率分布算出部２０１は、確率分布を修正し、事後確率分布を求める。

【0056】

図３は、図２に示すモデルの「ＯＢＳ１：給水フッ素」と「ＯＢＳ５：処理水ＭＦＦ」とに観察情報がオンライン監視（又は巡回データ）により入力されており、確率分布算出部２０１が、入力された観察情報に基づいて各ノードの確率分布を再計算し、事後確率分布を求める例を示す。

【0057】

この例では、シチュエーションノード「Ｓ５：給水フッ素負荷 過剰」と「Ｓ７：凝集不良」がＶａｌｕｅ：１．２以上となっている。

【0058】

「Ｓ７：凝集不良」は、ＨＨが７７．４８％、Ｈが２２．１％を示しており、また、ＬＬとＬが０．００％、Ｄが０．４２％を示していることから、シチュエーションが発生している確率が極めて高いことが分かる。

【0059】

「Ｓ５：給水フッ素負荷 過剰」は、ＨＨが３１．２１％、Ｈが２９．２０％を示しており、シチュエーションが発生している確率は高いが、一方でＬＬが５．７８％、Ｌが１３．２３％、Ｄが２０．５８％を示しており、シチュエーションが発生していない確率も無視できない値である。つまり、シチュエーションが起こっていそうか、又は起こっていなさそうかが曖昧な状態である。

【0060】

状況が起こっているか否か曖昧な状態であるシチュエーションノード「Ｓ５：給水フッ素負荷 過剰」について、相互情報量算出部２０２は、未観察の観察情報ノード（ＯＢＳ２、ＯＢＳ３及びＯＢＳ４）の各々との間の相互情報量を計算する。優先順位決定部２０３は、相互情報量の高い順に、観察情報の取得（入力）優先順位を割り当てる。算出される相互情報量及び観察情報取得優先順位の例を以下の表６に示す。

【0061】

【表6】

【0062】

このような相互情報量及び観察情報取得優先順位の計算結果が表示部２２に表示されると、運転員は、優先順位の高い観察情報を取得し、観察情報ノードに入力する。例えば、表６に示す結果に従って、優先順位の最も高い「ＯＢＳ２：給水水量」の観察情報を追加入力し、確率分布を再計算したとき、「Ｓ５：給水フッ素負荷 過剰」の確率分布は図４のように変化した。すなわち、ＨＨ／Ｈの確率が上がり、ＬＬ／Ｌ／Ｄの確率が下がり、シチュエーションノードＳ５の状態の曖昧さが減った（確信度が上がった）ことが分かる。

【0063】

一方、優先順位の最も低い「ＯＢＳ３：給水固形物」の観察情報を追加入力した場合、「Ｓ５：給水フッ素負荷 過剰」の確率分布は図４のように変化した。「ＯＢＳ２：給水水量」の観察情報を入力した場合と比較して、シチュエーションノードＳ５の確信度は低いことが分かる。

【0064】

このように、本実施形態に係る状況診断支援システム２によれば、水処理設備１で発生している状況の確信度を上げるために優先的に取得すべき観察情報を決定し、提示できるため、現場の運転員の知識や経験に依存せず、また、専門家の判断を仰ぐ必要なく、迅速に適切な対応をとって異常原因を特定し、設備運転効率を向上させることができる。

【0065】

上記実施形態では、発生している可能性は高いが、確定的ではないシチュエーションノードと、観察情報が入力されていない複数のＯＢＳノードの各々との関係性を示す測度（関係性測度）として相互情報量を用いる例について説明したが、他の関係性測度を算出してもよい。例えば、あるシチュエーションに対して複数の測度が関係性を持つときに、共同事後確率を最大化する測度を最も関係性の大きい測度としてもよい（Most Probable Explanation（Judea Pearl et
al,1988））。あるいはまた、結果が得られた時に、とある前提条件である妥当性を示す「尤度」を測度として取り扱うこともできる（G¨ardenfors et al（1988））。

【0066】

なお、本発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。

【符号の説明】

【0067】

１ 水処理設備
２ 状況診断支援システム
２０ 演算装置
２０１ 確率分布算出部
２０２ 相互情報量算出部
２０３ 優先順位決定部

【図1】

【図2】

【図3】

【図4】

【手続補正書】

【提出日】2024-05-24

【手続補正1】

【補正対象書類名】特許請求の範囲

【補正対象項目名】全文

【補正方法】変更

【補正の内容】

【特許請求の範囲】

【請求項1】

複数の水処理機器を有する水処理設備の状況診断支援システムであって、
前記複数の水処理機器の各々について、検知対象の状況を表す複数のシチュエーションノードと、観察情報を表す複数の観察情報ノードとの関係性をベイジアンネットワークにより表現し、各ノードの事前確率分布が設定された確率モデルを記憶する記憶部と、
前記複数の観察情報ノードのいずれかについて新たに入力された観察情報と、前記確率モデルとを用いて、前記複数のシチュエーションノードの事前確率分布を修正し、事後確率分布を算出する確率分布算出部と、
前記事後確率分布に基づいて、前記複数のシチュエーションノードのうち、状況が発生している可能性が高いシチュエーションノードを選択し、選択したシチュエーションノードと、観察情報が入力されていない未観察の前記観察情報ノードとの間の関係性測度を算出する関係性測度算出部と、
前記関係性測度の大きさに基づいて、前記観察情報ノードに入力されていない観察情報の取得優先順位を決定する優先順位決定部と、
を備える状況診断支援システム。

【請求項2】

前記確率分布算出部は、未入力であった観察情報が対応する観察情報ノードに入力されると、前記複数のシチュエーションノードの確率分布を再計算する、請求項１に記載の診断支援システム。

【請求項3】

前記関係性測度は、平均情報量を用いた相互情報量である、請求項１に記載の状況診断支援システム。

【請求項4】

前記取得優先順位を表示する表示部をさらに備える、請求項１に記載の状況診断支援システム。