复杂流场的特征抽取和智能分析在现代科学计算中可以发挥重要作用,以往研究主要集中在基于数值方法的2D 和3D 流场拓扑结构抽取上。本申请拟针对多介质辐射流体力学问题的时序数据,基于流场的局部特征(包括涡、激波、分离和粘附线、回流区、边界层)和时序事件(生成、持续、分裂、融合和耗散),采用数据挖掘方法,实现高层特征抽取(如涡的分布规律、激波的生成预测等)。具体包括(1)研究数据挖掘方法处理流场数据的基本范式,构建流场数据智能分析的框架;(2)研究三类挖掘算法(聚类算法、关联规则算法和预测模型类算法)在复杂流场上的应用,挖掘流场中对应的三类主要知识;(3)研究抽象特征的映射方法,将挖掘到的特征进行可视化显示;(4)结合中物院的需求,将发展的方法集成为软件开发包,并应用于多介质辐射流体力学问题,验证挖掘结果。
英文主题词Fluid feature extraction, data mining, feature visualization