数据类型不可知视觉敏感性分析分析

科学领域:

• 计算科学和数据分析.
• 空间数据分析空间数据分析
• 科学可视化科学可视化

背景情况:

• 现代科学和工业在很大程度上依赖于用于模拟,预测和分析的计算模型.
• 空间盲源分离 (SBSS) 是用于空间数据分析的专用模型,其性能优于PCA等非空间方法.
• 在SBSS实际应用中的一个重大挑战是对两个参数的复杂调整,需要参数空间分析.

研究的目的:

• 为了解决SBSS的敏感性分析 (SA) 难题,因为空间数据输入和输出.
• 开发一个数据类型不可知的视觉分析原型,用于针对SBSS和类似环境的灵敏度分析.
• 创建一个工具,简化参数调整,只需要不相似度的措施.

主要方法:

• 基于对数据类型不可知视觉敏感性分析的专家咨询,开发了一种视觉分析原型.
• 原型只需要对参数设置和输出进行不相似度测量,以容纳复杂的空间数据.
• 通过启发式方法与可视化专家和采访SBSS专家评估了原型.

主要成果:

• 原型成功地促进了已知和可疑的参数-输出关系的确认.
• 研究参与者发现了令人惊的关联,并为未来的调查确定了参数子空间.
• 通过将其应用于微气候模拟,证明了该方法的可转移性.

结论:

• 开发的视觉分析原型为空间盲源分离中的灵敏度分析提供了实用解决方案.
• 该方法依赖于不相似度的测量,使其适应于具有复杂空间数据的各种环境.
• 该研究强调了计算模型高级灵敏度分析的未来研究机会.