1. Title & Journal
Predicting RO/NF water quality by modified solution diffusion model and artificial neural networks

Journal: journal of Membrane Science

2. Background of authors
Yu Zhaoa, James S. Taylorb,*, Shankar Chellamc

Background
a URS Corporation, 7650 West Courtney Campbell Causeway Suite 700, Tampa, USA  
b Department of Civil and Environmental Engineering, University of Central Florida, USA 
c Department of Civil and Environmental Engineering, University of Houston, USA

3. Summary
이 논문은 기존 역삼투(RO) 또는 나노여과(NF)막을 이용한 공정에서 여과수의 용매와 용질 투과의 정도를 예측할 수 있는, 수정된 Solution-Diffusion (SD) model과 artificial neural networks기법을 병합하여, 실제 현상을 보다 근접하게 모사 할 수 있는 하이브리드 모델 개발을 다루고 있다. 본 논문에서 저자는 SD model을 기반한 기존 모델들의 한계점을 지적하는 동시에 실제 데이터와의 비교를 통해, 개발된 모델의 여과수 농도 예측에 대한 정확성을 증명하고 있다. 

SD 모델을 기반한 기존 모델들은 다음과 같다.
-the linear homogenous solution diffusion model (HSDM)과 HSDM-FT
-integrated HSDM (IHSDM)과 IHSDM-FT
-incremental diffusion model (IDM)과 IDM-FT
-integrated osmotic pressure model (IMOP)과 IMOP-FT

※ 모델약어-FT의 모델들은 film theory가 적용된 모델로서, 이 모델은 막 표면에 농도분극 (concentration polarization) 현상을 반영하고 있다.

위 모델들의 특징 및 한계점은 다음과 같다.
-HSDM, IHSDM: 압력, 삼투압, 막(element)과 vessel을 통과하는 유량의 변동을 고려하지 않음
-IDM, IMOP: 압력, 삼투압, 유량을 모두 고려함 

논문에서 저자는 SD모델을 기반을 둔 최근 몇 가지 모델들이 압력, 삼투압, 유량, 그리고 농도분극을 반영하고 있지만, 일관된 용질이동 계수 (Ks)를 사용함을 지적하며, artificial neural network 기법을 적용한 하이브리드 모델을 제시하고 있다. 그리하여 이 하이브리드 모델은 시스템의 운전 파라미터인 flux와 recovery, 그리고 net driving force에 따라 변화되는 Ks값이 반영하였다.
또한 저자는 Artificial neural network 모델을 Multilayer perceptron model (MLP)과 A normalized radial basis function (NRBF) model을 각각 사용하고 있으며, 본 논문에서는 두 모델을 적용한 하이브리드 모델의 여과수 농도 시뮬레이션 결과를 실측데이터 값의 R2 비교하였고, 또한 paired sample t-test를 통하여 재확인 하였다. 그 결과 시뮬레이션과 실측값이 no significant differences하다는 결과를 보여주고 있다.

4. Originality & Contribution
본 논문에서 저자는 RO와 NF 막여과 공정의 여과수 농도 예측에 있어서, 기존 solution diffusion 모델에서 일정하게 Ks값 적용되는 한계점을, artificial neural network 모델을 사용하여 flux, recovery, net driving force에 따른 Ks의 변화가 모델에 반영되도록 보완하여, 정확한 여과수 농도 예측 모델을 개발하였다.

5. Reviewer: 정관호 jkh@gist.ac.kr