4次元データにおける特徴領域探索のための2次元可視化 2-Dimentional Visualization Technique for Exploring Region of Interest in 4-Dimensional Data

この論文にアクセスする

この論文をさがす

抄録

数値シミュレーションでは,ある変量軸を設定して計算を実行し,その変量の変化に応じてシミュレーション結果が変化する様子を観察することがしばしば行われる.対象となるモデルが3次元である場合,シミュレーション結果は4次元となる.このような4次元以上の多次元データの解析は,空間軸と変量軸で構成された多次元空間内を精査して特徴領域を特定する必要がある.しかし,多次元かつ大規模な対象データから特徴領域を探し出す作業は,膨大な手間と時間を要する.さらにすべての特徴領域を見逃しなく発見することは困難である.そこで,本研究では,4次元データから特徴領域を見逃しなく発見するために,動画像解析技術として利用されている時空間画像を応用した2次元可視化手法を提案する.具体的には,8分木構造を用いて空間軸を作成し,その軸とは垂直に変量軸を作成することで,4次元データを2次元画像として可視化する.この2次元画像を観察することで,見逃しなく特徴領域を発見できる.実際に提案手法を原子力施設の時系列耐震シミュレーション結果と固有値解析シミュレーション結果に適用し,応力値が相対的に高い領域の発見や,周波数ごとに影響を受ける領域の探索を実施した.その結果,提案手法を用いることで複雑かつ大規模な4次元データから特徴領域を効率的に発見できることを確認した.In numerical simulations, variations of calculation results with respect to a variable axis are often observed. When the target model is given in 3D, the simulation results become 4D datasets. Such a multi-dimensional dataset given in more than 4D space is analyzed by detailed explorations of regions of interest (ROIs) in multi-dimensional space, which is composed of the space axes and the variable axes. However, for high-dimensional and large-scale datasets, this approach requires enormous processing time and effort, and may have difficulty in capturing all the ROIs with no omission. Therefore, we propose a 2D visualization technique that is based on a concept of spatiotemporal image used as a time-series image analysis technique for finding ROIs. In our technique, a space axis is created by hierarchical octree, a variable axis is defined in the direction perpendicular to the space axis, and a 4D dataset is represented on the plane with these axes. From this 2D image, we can easily find ROIs without missing important features. Our technique is applied to the results of time-series analysis and eigenvalue analysis of 3D seismic simulations of a nuclear plant, and regions with higher stress and characteristic frequency responses of each region are analyzed, respectively. Through the analyses, it is demonstrated that our technique can effectively capture ROIs from complicated and large-scale 4D datasets.

収録刊行物

  • 情報処理学会論文誌

    情報処理学会論文誌 55(9), 2216-2224, 2014-09-15

各種コード

  • NII論文ID(NAID)
    110009822864
  • NII書誌ID(NCID)
    AN00116647
  • 本文言語コード
    JPN
  • 資料種別
    Journal Article
  • ISSN
    1882-7764
  • データ提供元
    NII-ELS  IPSJ 
ページトップへ