可视化技术

在工程设计中常采用计算力学的手段。计算力学更离不开可视化技术。有限元分析(FEA)是50年代提出的适用于计算机处理的一种结构分析的数值计算方法。有限元分析在飞机设计、水坝建造、机械产品设计、建筑结构应力分析等领域都得到了广泛应用。从数学的观点来看,有限元分析将研究对象划分为若干个子单元，并在此基础上求出偏微分方程的近似解。在有限元分析中，应用可视化技术可实现形体的网格划分及有限元分析结果数据的图形显示，即所谓有限元分析的前后处理，并根据分析结果，实现网格划分的优化，使计算结果更加可靠和精确。

图4 美国航空航天局阿姆斯研究中心的虚拟风洞

飞机、汽车、船舶等在设计时都必须考虑在气体、液体高速运动的环境中获得优良性能和正常工作。过去的做法是：将所设计的飞机模型放在大型风洞或水洞里做流体动力学的物理模拟实验，然后根据实验结果修改设计。这种做法既耗费资金，又延长了设计周期。目前已实现了在计算机上进行流体动力学的模拟计算，这就是计算流体动力学(CFD)。其核心是求解表示流体流动的偏微分方程。目前，利用超级计算机可以对复杂几何模型的Navier-Stokes方程式求解。最后可计算出流场中各种参数在每一时刻的数值，但数据量十分庞大。为了理解和分析流体流动的模拟计算结果，必须利用可视化技术在屏幕上将数据动态地显示出来。例如，用多种不同方法表示出每一点的速度、压力、温度和组分等,并显示出涡流、冲击波、剪切层、尾流及湍流等。在流场的可视化中,既要提高显示速度，又要逼真地显示流场的细微结构和各种参数的等值面。当然，计算流体动力学和有限元分析一样，计算的速度和准确度受网格划分的影响很大，通过可视化技术可以针对不同对象，找到最适合的网格划分方法。美国航空航天局阿姆斯研究中心(AMES)的航空航天数字模拟设备(NAF)，不仅将可视化技术用于CFD计算，同时也用于从风洞试验获得的二维图象重构三维流场,并进行计算结果与试验结果的比较分析。特别是他们利用基于高度三维交互特性的虚拟现实技术,构筑了“虚拟风洞”，为分析各种非定常流动中的复杂结构，提供直观的研究环境。

四.信息可视化技术的发展

近年来，国际上提出信息了可视化问题。一般说来，科学计算可视化是指空间数据场的可视化，而信息可视化则是指非空间数据的可视化。随着社会信息化的推进和网络应用的日益广泛，信息源越来越庞大。除了需求对海量数据进行存储、传输、检索及分类等外，更迫切需求了解数据之间的相互关系及发展趋势。实际上，在激增的数据背后，隐藏着许多重要的信息，人们希望能够对其进行更高层次的分析，以便更好地利用这些数据。目前的数据库系统可以高效地实现数据的录入、查询、统计等功能，但无法发现数据中存在的关系和规则，无法根据现有的数据预测未来的发展趋势。另一方面，人工智能自1956 年诞生后也取得了重大进展。目前的研究热点是机器学习。机器学习是用计算机模拟人类学习的一门科学，比较成熟的算法有神经网络、遗传算法等。用数据库管理系统来存储数据，用机器学习的方法来分析和挖掘大量数据背后的知识，这两者的结合促成了“数据库中的知识发现(KDD：Knowledge Discovery in Databases)”的产生。实际上，KDD是一门交叉性学科，涉及到机器学习、模式识别、统计学、智能数据库、知识获取、数据可视化、高性能计算、专家系统等多个领域。KDD可以用在信息管理、过程控制、查询优化、科学研究、决策支持和数据自身维护等许多方面。

KDD的核心技术是数据挖掘(Data Mining)。它是从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。人们把原始数据看作是形成知识的源泉,就像从矿石中采矿一样。原始数据可以是结构化的，如关系数据库中的数据，也可以是半结构化的，如文本、图形、图像数据，甚至是分布在网络上的不同构型数据。数据挖掘的方法可以是数学的，也可以是非数学的;可以是演绎的，也可以是归纳的。通过数据挖掘可以发现多种类型的知识，包括反映同类事物共同性质的广义型知识;反映事物各方面特征的特征型知识;反映不同事物之间属性差别的差异型知识;反映一事物和其它事物之间依赖或关联的关联型知识;根据当前历史和当前数据推测未来数据的预测型知识;揭示事物偏离常规出现异常现象的偏离型知识。为了发现这些不同类型的知识。要采用多种发现知识的工具。为了使发现知识的过程和结果易于理解和在发现知识过程中进行人机交互，要发展发现知识的可视化方法。 为了了解数据之间的相互关系及发展趋势，人们可以求助于可视化技术。信息可视化不仅用图像来显示多维的非空间数据，使用户加深对数据含义的理解，而且用形象直观的图像来指引检索过程，加快检索速度。在科学计算可视化中，显示的对象涉及标量、矢量及张量等不同类别的空间数据，研究的重点放在如何真实、快速地显示三维数据场。而在信息可视化中，显示的对象主要是多维的标量数据，目前的研究重点在于，设计和选择什么样的显示方式才能便于用户了解庞大的多维数据及它们相互之间的关系，其中更多地涉及心理学、人机交互技术等问题。

图5 意大利中央银行对各分行业务的统计图

信息可视化在商务、金融和通信等领域，有着十分广阔的应用前景。在通信领域，一方面，目前正在开发更为精细和高级的网络模型，以辅助将来的规划过程。另一方面，更复杂的发射和交换设备，为现行网络的重构提供了更大的自由度和灵活性，但造成在单个网络单元上运行的的原始数据不断增加。全部网络运行的最优化，需要有效地使用来自所有这些信号源，而且需要在诸如市场、网络规划和日常管理等传统的不同领域之间，进行信息和思想的动态交换。覆盖物理网络的是一个包括声音、数据和图象服务的广阔领域，其中每一项都有自己的数据和管理要求。 此外，现代网络不受国界的限制，是一个覆盖很多国家和载体的国际性结构，因而其潜在的数据量和复杂程度均以更大的数量级在递增。在英国电信公司(BT)的网络中，就充分应用了信息可视化技术。这个网络有六千多个切换设备和两千五百多万条客户线，从而产生了每分钟几兆字节的网络状态和控制数据。在BT网络中，每五分钟大约有六万个与数字开关相连的局域路径的运行情况要报告给中央操作单元(Ceutral Operations Unit)，中央操作单元再将这些数字用于实时网络监测和控制。通过测量大量运行参数，每天要产生两千兆字节以上的数据。图形输出描绘了选择的运行参数的地理分布，以及你所感兴趣的时间间隔中的动画。每个区域中参数的最小值，最大值和平均值都可以用一个彩条图表示。可视化在非空间数据中，诸如在财务指标或流通量统计中的应用，引起了广泛的兴趣。很多用于工程和科学应用中的可视化工具和技术能够很快地转移到财务和统计中来。可视化应用成功的关键在于它具有为用户提供了交互式的研究数据和揭示那些用其它方法很困难揭示的趋势、循环和模式的能力。在非空间数据范围内应用的一个典型例子是网络统计，其中包括记录单个网络单元的特性、开关、较大区域或地理分组等。另外城市景象(Cityscape)可视化也是这方面的一项潜在的有用技术.。城市景象是一个扩展的3D条状图，其中2D域上的标量值表示为一个均匀网格上的街区或大楼。可视化表示出对一年中的每个月，划分成十个地理带上设想的呼叫失败率的统计资料。BT已将城市景象应用用于调查按月按区的服务统计和传送系统运行性能。这些应用可以非常容易地用于金融信息，诸如每个区域、每个时间段的股票收益特性，或按地理和按收入水视化挖掘(VisualMine)，通过显示各个分行的货币流通总量、总收入和现金运作平统计的消费总量。例如意大利中央银行就使用了意大利人工智能软件公司开发的可总量，可以从异常现象中发现通过银行系统的非法活动。由由于信息可视化对日益显著的“数据超载”问题，可以提供近实时的解，它将对商务、金融和通信等领域的信息管理，产生重要的影响。由此可见，数量日益增加的数据和信息是有用的，而关键在于尽快从中提练对我们有用的知识。