可視化技術(shù)

在工程設計中常采用計算力學(xué)的手段。計算力學(xué)更離不開(kāi)可視化技術(shù)。有限元分析(FEA)是50年代提出的適用于計算機處理的一種結構分析的數值計算方法。有限元分析在飛機設計、水壩建造、機械產(chǎn)品設計、建筑結構應力分析等領(lǐng)域都得到了廣泛應用。從數學(xué)的觀(guān)點(diǎn)來(lái)看,有限元分析將研究對象劃分為若干個(gè)子單元，并在此基礎上求出偏微分方程的近似解。在有限元分析中，應用可視化技術(shù)可實(shí)現形體的網(wǎng)格劃分及有限元分析結果數據的圖形顯示，即所謂有限元分析的前后處理，并根據分析結果，實(shí)現網(wǎng)格劃分的優(yōu)化，使計算結果更加可靠和精確。

圖4 美國航空航天局阿姆斯研究中心的虛擬風(fēng)洞

飛機、汽車(chē)、船舶等在設計時(shí)都必須考慮在氣體、液體高速運動(dòng)的環(huán)境中獲得優(yōu)良性能和正常工作。過(guò)去的做法是：將所設計的飛機模型放在大型風(fēng)洞或水洞里做流體動(dòng)力學(xué)的物理模擬實(shí)驗，然后根據實(shí)驗結果修改設計。這種做法既耗費資金，又延長(cháng)了設計周期。目前已實(shí)現了在計算機上進(jìn)行流體動(dòng)力學(xué)的模擬計算，這就是計算流體動(dòng)力學(xué)(CFD)。其核心是求解表示流體流動(dòng)的偏微分方程。目前，利用超級計算機可以對復雜幾何模型的Navier-Stokes方程式求解。最后可計算出流場(chǎng)中各種參數在每一時(shí)刻的數值，但數據量十分龐大。為了理解和分析流體流動(dòng)的模擬計算結果，必須利用可視化技術(shù)在屏幕上將數據動(dòng)態(tài)地顯示出來(lái)。例如，用多種不同方法表示出每一點(diǎn)的速度、壓力、溫度和組分等,并顯示出渦流、沖擊波、剪切層、尾流及湍流等。在流場(chǎng)的可視化中,既要提高顯示速度，又要逼真地顯示流場(chǎng)的細微結構和各種參數的等值面。當然，計算流體動(dòng)力學(xué)和有限元分析一樣，計算的速度和準確度受網(wǎng)格劃分的影響很大，通過(guò)可視化技術(shù)可以針對不同對象，找到最適合的網(wǎng)格劃分方法。美國航空航天局阿姆斯研究中心(AMES)的航空航天數字模擬設備(NAF)，不僅將可視化技術(shù)用于CFD計算，同時(shí)也用于從風(fēng)洞試驗獲得的二維圖象重構三維流場(chǎng),并進(jìn)行計算結果與試驗結果的比較分析。特別是他們利用基于高度三維交互特性的虛擬現實(shí)技術(shù),構筑了“虛擬風(fēng)洞”，為分析各種非定常流動(dòng)中的復雜結構，提供直觀(guān)的研究環(huán)境。

四.信息可視化技術(shù)的發(fā)展

近年來(lái)，國際上提出信息了可視化問(wèn)題。一般說(shuō)來(lái)，科學(xué)計算可視化是指空間數據場(chǎng)的可視化，而信息可視化則是指非空間數據的可視化。隨著(zhù)社會(huì )信息化的推進(jìn)和網(wǎng)絡(luò )應用的日益廣泛，信息源越來(lái)越龐大。除了需求對海量數據進(jìn)行存儲、傳輸、檢索及分類(lèi)等外，更迫切需求了解數據之間的相互關(guān)系及發(fā)展趨勢。實(shí)際上，在激增的數據背后，隱藏著(zhù)許多重要的信息，人們希望能夠對其進(jìn)行更高層次的分析，以便更好地利用這些數據。目前的數據庫系統可以高效地實(shí)現數據的錄入、查詢(xún)、統計等功能，但無(wú)法發(fā)現數據中存在的關(guān)系和規則，無(wú)法根據現有的數據預測未來(lái)的發(fā)展趨勢。另一方面，人工智能自1956 年誕生后也取得了重大進(jìn)展。目前的研究熱點(diǎn)是機器學(xué)習。機器學(xué)習是用計算機模擬人類(lèi)學(xué)習的一門(mén)科學(xué)，比較成熟的算法有神經(jīng)網(wǎng)絡(luò )、遺傳算法等。用數據庫管理系統來(lái)存儲數據，用機器學(xué)習的方法來(lái)分析和挖掘大量數據背后的知識，這兩者的結合促成了“數據庫中的知識發(fā)現(KDD：Knowledge Discovery in Databases)”的產(chǎn)生。實(shí)際上，KDD是一門(mén)交叉性學(xué)科，涉及到機器學(xué)習、模式識別、統計學(xué)、智能數據庫、知識獲取、數據可視化、高性能計算、專(zhuān)家系統等多個(gè)領(lǐng)域。KDD可以用在信息管理、過(guò)程控制、查詢(xún)優(yōu)化、科學(xué)研究、決策支持和數據自身維護等許多方面。

KDD的核心技術(shù)是數據挖掘(Data Mining)。它是從大量的、不完全的、有噪聲的、模糊的、隨機的數據中,提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過(guò)程。人們把原始數據看作是形成知識的源泉,就像從礦石中采礦一樣。原始數據可以是結構化的，如關(guān)系數據庫中的數據，也可以是半結構化的，如文本、圖形、圖像數據，甚至是分布在網(wǎng)絡(luò )上的不同構型數據。數據挖掘的方法可以是數學(xué)的，也可以是非數學(xué)的;可以是演繹的，也可以是歸納的。通過(guò)數據挖掘可以發(fā)現多種類(lèi)型的知識，包括反映同類(lèi)事物共同性質(zhì)的廣義型知識;反映事物各方面特征的特征型知識;反映不同事物之間屬性差別的差異型知識;反映一事物和其它事物之間依賴(lài)或關(guān)聯(lián)的關(guān)聯(lián)型知識;根據當前歷史和當前數據推測未來(lái)數據的預測型知識;揭示事物偏離常規出現異?，F象的偏離型知識。為了發(fā)現這些不同類(lèi)型的知識。要采用多種發(fā)現知識的工具。為了使發(fā)現知識的過(guò)程和結果易于理解和在發(fā)現知識過(guò)程中進(jìn)行人機交互，要發(fā)展發(fā)現知識的可視化方法。 為了了解數據之間的相互關(guān)系及發(fā)展趨勢，人們可以求助于可視化技術(shù)。信息可視化不僅用圖像來(lái)顯示多維的非空間數據，使用戶(hù)加深對數據含義的理解，而且用形象直觀(guān)的圖像來(lái)指引檢索過(guò)程，加快檢索速度。在科學(xué)計算可視化中，顯示的對象涉及標量、矢量及張量等不同類(lèi)別的空間數據，研究的重點(diǎn)放在如何真實(shí)、快速地顯示三維數據場(chǎng)。而在信息可視化中，顯示的對象主要是多維的標量數據，目前的研究重點(diǎn)在于，設計和選擇什么樣的顯示方式才能便于用戶(hù)了解龐大的多維數據及它們相互之間的關(guān)系，其中更多地涉及心理學(xué)、人機交互技術(shù)等問(wèn)題。

圖5 意大利中央銀行對各分行業(yè)務(wù)的統計圖

信息可視化在商務(wù)、金融和通信等領(lǐng)域，有著(zhù)十分廣闊的應用前景。在通信領(lǐng)域，一方面，目前正在開(kāi)發(fā)更為精細和高級的網(wǎng)絡(luò )模型，以輔助將來(lái)的規劃過(guò)程。另一方面，更復雜的發(fā)射和交換設備，為現行網(wǎng)絡(luò )的重構提供了更大的自由度和靈活性，但造成在單個(gè)網(wǎng)絡(luò )單元上運行的的原始數據不斷增加。全部網(wǎng)絡(luò )運行的最優(yōu)化，需要有效地使用來(lái)自所有這些信號源，而且需要在諸如市場(chǎng)、網(wǎng)絡(luò )規劃和日常管理等傳統的不同領(lǐng)域之間，進(jìn)行信息和思想的動(dòng)態(tài)交換。覆蓋物理網(wǎng)絡(luò )的是一個(gè)包括聲音、數據和圖象服務(wù)的廣闊領(lǐng)域，其中每一項都有自己的數據和管理要求。 此外，現代網(wǎng)絡(luò )不受?chē)绲南拗?，是一個(gè)覆蓋很多國家和載體的國際性結構，因而其潛在的數據量和復雜程度均以更大的數量級在遞增。在英國電信公司(BT)的網(wǎng)絡(luò )中，就充分應用了信息可視化技術(shù)。這個(gè)網(wǎng)絡(luò )有六千多個(gè)切換設備和兩千五百多萬(wàn)條客戶(hù)線(xiàn)，從而產(chǎn)生了每分鐘幾兆字節的網(wǎng)絡(luò )狀態(tài)和控制數據。在BT網(wǎng)絡(luò )中，每五分鐘大約有六萬(wàn)個(gè)與數字開(kāi)關(guān)相連的局域路徑的運行情況要報告給中央操作單元(Ceutral Operations Unit)，中央操作單元再將這些數字用于實(shí)時(shí)網(wǎng)絡(luò )監測和控制。通過(guò)測量大量運行參數，每天要產(chǎn)生兩千兆字節以上的數據。圖形輸出描繪了選擇的運行參數的地理分布，以及你所感興趣的時(shí)間間隔中的動(dòng)畫(huà)。每個(gè)區域中參數的最小值，最大值和平均值都可以用一個(gè)彩條圖表示?？梢暬诜强臻g數據中，諸如在財務(wù)指標或流通量統計中的應用，引起了廣泛的興趣。很多用于工程和科學(xué)應用中的可視化工具和技術(shù)能夠很快地轉移到財務(wù)和統計中來(lái)?？梢暬瘧贸晒Φ年P(guān)鍵在于它具有為用戶(hù)提供了交互式的研究數據和揭示那些用其它方法很困難揭示的趨勢、循環(huán)和模式的能力。在非空間數據范圍內應用的一個(gè)典型例子是網(wǎng)絡(luò )統計，其中包括記錄單個(gè)網(wǎng)絡(luò )單元的特性、開(kāi)關(guān)、較大區域或地理分組等。另外城市景象(Cityscape)可視化也是這方面的一項潛在的有用技術(shù).。城市景象是一個(gè)擴展的3D條狀圖，其中2D域上的標量值表示為一個(gè)均勻網(wǎng)格上的街區或大樓?？梢暬硎境鰧σ荒曛械拿總€(gè)月，劃分成十個(gè)地理帶上設想的呼叫失敗率的統計資料。BT已將城市景象應用用于調查按月按區的服務(wù)統計和傳送系統運行性能。這些應用可以非常容易地用于金融信息，諸如每個(gè)區域、每個(gè)時(shí)間段的股票收益特性，或按地理和按收入水視化挖掘(VisualMine)，通過(guò)顯示各個(gè)分行的貨幣流通總量、總收入和現金運作平統計的消費總量。例如意大利中央銀行就使用了意大利人工智能軟件公司開(kāi)發(fā)的可總量，可以從異?，F象中發(fā)現通過(guò)銀行系統的非法活動(dòng)。由由于信息可視化對日益顯著(zhù)的“數據超載”問(wèn)題，可以提供近實(shí)時(shí)的解，它將對商務(wù)、金融和通信等領(lǐng)域的信息管理，產(chǎn)生重要的影響。由此可見(jiàn)，數量日益增加的數據和信息是有用的，而關(guān)鍵在于盡快從中提練對我們有用的知識。