基于特征的流场数据挖掘.PDF

第28卷第5期 空气动力学学报 V01．28。No．5 2010年10月 ACTAAERoDYNAMICASlNICA Oct．，2010 I_l_ll_I____I一 文章编号：0258—1825(2010)lO一0540-07 基于特征的流场数据挖掘 解利军1，张 帅1，张继发1，郑 耀1，周迪斌2 310016) (1．浙江大学航空航天学院，浙江杭州310027；2．杭州师范大学信息科学与工程学院，浙江杭州 摘要：将数据挖掘技术应用于流场分析，有可能挖掘出常规数值方法难以发现的复杂流动规律。流场数据与传 统数据库数据不同。通常组织为不规则的空间离散点和单元。为建立流场数据挖掘的统一范式。提出了基于特征 的流场数据挖掘流程，并设计了两类相应的数据模型组织方式：邻域时空盒模型和连接图模型。使用该框架，对特 定Rayleigh-13enard对流现象的数值计算结果进行了关联规则分析。其中涡特征提取使用k准则，关联规则提取 使用Apriori算法。实验挖掘到了一些非平凡的流场规则，证明了该方法的有效性。 关键词：流场数据分析；数据挖掘；Apriori算法；^：准则；Rayleigh—Benard对流现象 一-- 中图分类号：035l；TP391．77文献标识码：A 据模型组织方法：邻域时空盒模型和连接图模型。这 O 引 言 种方法可以作为流场数据挖掘的一种通用框架，将各 随着探测手段和计算能力的飞速发展，当前在各 种具体的数据挖掘算法集成到该框架中就可以实现 个科研领域中，都出现了“数据爆炸”现象。数据量的 特定的数据分析目标。本文在该框架下，集成了关联 大幅度增加使得传统可视化方法越来越难寻找数据 的规律，因此智能地寻找数据中隐含的模式成了科学 对流现象(RBC)进行了频繁集的抽取，获取了一些有 数据分析的一个研究热点¨]。 用的规则。 数据挖掘方法能从大量数据中提取非平凡的模 1 挖掘流程 式，是很有潜力的一种智能科学数据分析方法，已经 广泛应用于生物、天文、气象、材料等几个学科方面。 直接流场数据挖掘会遇到两方面的问题：一是数 但对流场的针对性研究较少，主要原因是流场的数据 据量太大，挖掘困难。比如大型的数值模拟的单个算 分析与经典的数据挖掘模式不一样，流场数据一般采 例就能达到几百G数据量，对多个算例的关联性挖 样为几何网格或离散点，这些网格的大小、形状、拓扑 掘分析，耗时比计算本身花费的时间还要多的多。另 关系千差万别，难以组织成适合挖掘的数据。 一方面，直接挖掘出来的规则由大量底层属性组成， 从已有资料分析，在流场数据挖掘方面研究比较 理解会比较困难。由于结构特征，如涡、激波等，是流 深入的是Kumar教授领导的研究小组，使用C4．5和场的主要特征，这些特征和流场表现出来的特性往往 SVM算法对湍流猝发的生成规律进行了挖掘，并根 有直接的关联，所以一种更可行的方法是先抽取出流 据挖掘出的规律对其生成位置做出预测，获得了比较 场的结构特征，降低流场的数据量，然后基于特征进 高的预测精度‘引。但Kumar教授的研究只使用了数行流场数据挖掘。 据场的原始数据进行挖掘，没有结合数据场的数值特 图1是我们提出的基于特征的流场数据挖掘框 征度量和几何特征。这导致其得到的规律抽象层次 架。整个数据挖掘过程分为三大步骤：