地震数据的三维可视化方法研究.docx
《地震数据的三维可视化方法研究.docx》由会员分享,可在线阅读,更多相关《地震数据的三维可视化方法研究.docx(42页珍藏版)》请在冰豆网上搜索。
![地震数据的三维可视化方法研究.docx](https://file1.bdocx.com/fileroot1/2023-7/9/36542b47-899f-48a7-a222-9c00a37dd61e/36542b47-899f-48a7-a222-9c00a37dd61e1.gif)
地震数据的三维可视化方法研究
地震数据的三维可视化方法研究
EnglishTitle:
AnApproachto3DVisualizationofSeismicData
摘要
传统的地震数据解释方法是利用地震剖面与水平切片的二维图象显示三维数据,具有一定的局限性。
科学数据可视化技术的出现使得地震数据三维解释成为可能,随之产生了面可视化与直接体绘制两种的三维地震数据可视化方法。
本文主要研究基于MATLAB的地震数据三维可视化方法,结合地震数据的特点,采用MATLAB图形可视化函数,实现地震数据可视化,实现了不同的显示模式,突出了数据体的各种信息特征。
开发了地震数据三维可视化软件。
通过理论研究和试验验证,论文得到了以下结论:
(1)MATLAB是一个功能非常强大的编程开发环境;
(2)通过GUI界面图我们实现了对地震数据合理的处理,并且将其可视化,使得数据显示更加直观;(3)MATLAB绘制的图像不仅是矢量的,而且图中的其他属性都可以方便任意改变。
关键词:
地震科学数据;三维可视化;矩阵实验室;GUI
Abstract
Thetraditionalseismicdatainterpretationmethodistouseseismicprofilesandhorizontalslice2-Dimagesshowthe3-Ddata,hascertainlimitations.Scientificdatavisualizationtechniqueappearstomakeseismicdatainterpretationbecomespossible,thenthe3-Dvisualizationandproducedthefaceofdirectvolumerenderingtwo3-Dseismicdatavisualizationmethods.
ThispapermainlystudiestheseismicdatabasedonMATLAB3-Dvisualizationmethod,combiningthecharacteristicsofseismicdata,usingMATLABgraphicalvisualizationfunction,achievetheseismicdatavisualization,realizethedifferentdisplaymode,highlightedabodyofdataallkindsofinformationcharacteristics.
Developedtheseismicdata3-Dvisualizationsoftware.Throughthetheoreticalresearchandexperiments,thispaperobtainedthefollowingconclusions:
(1)MATLABisamorepowerfulprogrammingdevelopmentenvironment;
(2)ThroughtheGUIinterfacefigurewerealizethereasonableprocessingofseismicdata,andthevisualization,allowsdatashowmoreintuitive;(3)MATLABisnotonlydrawingtheimagevector,andotherattributesinthispicturecanbeconvenientarbitrarychanges.
Keywords:
EarthquakeScientificData;3-DVisualization;MATLAB;GUI
1绪论
1.1研究背景
现代的数据可视化[1](DataVisualization)技术指的是运用计算机图形学和图像处理技术,将数据换为图形或图像在屏幕上显示出来,并进行交互处理的理论、方法和技术。
它涉及到计算机图形学、图像处理、计算机辅助设计、计算机视觉及人机交互技术等多个领域。
数据可视化概念首先来自科学计算可视化(VisualizationinScientificComputing),科学家们不仅需要通过图形图像来分析由计算机算出的数据,而且需要了解在计算过程中数据的变化。
随着计算机技术的发展,数据可视化概念已大大扩展,它不仅包括科学计算数据的可视化,而且包括工程数据和测量数据的可视化。
学术界常把这种空间数据的可视化称为体视化(VolumVisualization)技术。
近年来,随着网络技术和电子商务的发展,提出了信息可视化(InformationVisualization)的要求。
我们可以通过数据可视化技术,发现大量金融、通信和商业数据中隐含的规律,从而为决策提供依据。
这已成为数据可视化技术中新的热点。
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:
KnowledgeDiscoveryinDatabases)”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[2](DataMining)。
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。
发展数据可视化的重要意义:
怎样来分析大量、复杂和多维的数据呢?
答案是要提供象人眼一样的直觉的、交互的和反应灵敏的可视化环境。
因此,数据可视化技术的主要特点是:
(1)交互性。
用户可以方便地以交互的方式管理和开发数据。
(2)多维性。
可以看到表示对象或事件的数据的多个属性或变量,而数据可以按其每一维的值,将其分类、排序、组合和显示。
(3)可视性。
数据可以用图象、曲线、二维图形、三维体和动画来显示,并可对其模式和相互关系进行可视化分析。
1.2国内外研究现状
科学的可视化与科学本身一样历史悠久。
传说,阿基米德被害时正在沙子上绘制几何图形。
就像其中包含等值线的地磁图以及表示海上主要风向的箭头图那样,天象图也产生于中世纪。
很久以前,人们就已经理解了视知觉在理解数据方面的作用。
作为一个利用计算机手段的学科,科学可视化领域如今依然还属于新事物。
其发端于美国国家科学基金会1987年关于“科学计算领域之中的可视化”的报告[3]。
1980年代:
基础的奠定
科学可视化的起源可以追溯到真空管计算机时代,并与计算机图形学的发展齐头并进。
早期的软件曾经都是自己编制的,且设备昂贵。
当时,研究人员所做的是对科学现象的动态情况加以建模,而好莱坞则开始注重那些让各种事物看起来华丽缤纷的算法。
1980年代中期,当高性能计算技术造就了人们对于分析、发现及通讯手段的更高需求的时候,形式与功能才走到了一起。
形形色色的传感器和超级计算机模拟为人们提供了数量如此庞大的数据,以致人们不得不求助于新的,远为精密复杂的可视化算法和工具。
1986年10月,美国国家科学基金会主办了一次名为“图形学、图像处理及工作站专题讨论”的会议,旨在针对那些开展高级科学计算工作的研究机构,提出关于图形硬件和软件采购方面的建议。
图形学和影像学技术方法在计算科学方面的应用,当时乃是一项新的领域;上述专题组成员把该领域称为“科学计算之中的可视化”。
该专题组认为,科学可视化乃是正在兴起的一项重大的基于计算机的技术,需要联邦政府大力加强对它的支持。
1987年,首届“科学计算之中的可视化”研讨会召集了众多来自学术界、行业以及政府部门的研究人员。
其报告概括总结了科学可视化——这幅“科学画卷”的全景及其未来需求。
布鲁斯·麦考梅克页面布鲁斯·麦考梅克并不存在,英语维基百科对应页面为BruceH.McCormick。
在1987年的报告中称:
“科学工作者需要数字的一种替代形式。
无论是现在还是未来,图像的运用在技术上都是现实可行的,并将成为知识的一个必备前提。
对于科学工作者来说,要保证分析工作的完整性,促进深入细致地开展检查审核工作以及与他人沟通交流如此深入细致的结果,绝对不可或缺的就是对计算结果和复杂模拟的可视化能力……科学计算的目的在于观察或审视,而不是列举。
据估计,与视觉相关的大脑神经元多达50%。
科学计算之中的可视化正是旨在让这种神经机制发挥起作用来。
”
这份报告所阐明的一点就是,可视化具有培育和促进主要科学突破的潜力。
这有助于将计算机图形学、图像处理、计算机视觉、计算机辅助设计、信号处理以及关于人机界面的研究工作统一起来。
在与各种会议、期刊杂志以及商业展览相配合的情况下,这培育和促进了相关的研究与开发工作,包括从高级科学计算工作站硬件、软件以及网络技术,直至录像磁带、书籍、CD光盘等等。
此后,科学可视化获得了极大的发展,并且于二十世纪90年代,成为了举世公认的一门学科。
1990年代:
学科的兴起
1990年代初期,先后出现了许多不同的科学可视化方法和手段。
丹尼尔·塔尔曼(1990)将科学可视化称为数值模拟领域的新方法。
科学可视化所集中关注的是几何图形、动画和渲染以及在自然科学和医学方面的具体应用。
1991年,埃德·弗格森把“科学可视化”定义为一种方法学,即科学可视化是“一门多学科性的方法学,其利用的是很大程度上相互独立而又彼此不断趋向融合的诸多领域,包括计算机图形学、图像处理、计算机视觉、计算机辅助设计、信号处理以及用户界面研究。
其特有的目标的就是作为科学计算与科学洞察之间的一种催化剂而发挥作用。
为满足那些日益增长的,对于处理极其活跃而又非常密集的数据源的需求,科学可视化应运而生”。
1992年,布罗迪提出,科学可视化所关心的就是,通过对于数据和信息的探索和研究,从而获得对于这些数据的理解和洞察。
这也正是许多科学调查研究工作的基本目的。
为此,科学可视化对计算机图形学、用户界面方法学、图像处理、系统设计以及信号处理领域之中的方方面面加以了利用。
1994年,克利福德·皮寇弗总结认为,科学可视化将计算机图形学应用于科学数据,旨在实现深入洞察,检验假说以及对科学数据加以全面阐释。
目前,《大英百科全书》依然把科学可视化作为计算机图形学的组成部分。
这部百科全书利用图片和动画的形式来展现对于各种科学事件的模拟,如恒星的诞生、龙卷风的演变等等……。
最近,2007年召开的ACMSIGGRAPH科学可视化研讨会,就科学可视化的原理和应用开展了教育培训活动。
其中,所介绍的基本概念包括可视化、人类知觉、科学方法以及关于数据的方方面面,如数据的采集、分类、存储和检索。
他们所已经确定的可视化技术方法包括二维、三维以及多维可视化技术方法,如色彩变换、高维数据集符号、气体和液体信息可视化、立体渲染、等值线和等值面、着色、颗粒跟踪、动画、虚拟环境技术以及交互式驾驶。
进一步延伸的主题则包括交互技术、已有的可视化系统与工具、可视化方面的美学问题,而相关主题则包括数学方法、计算机图形学以及通用的计算机科学。
现如今,一些定义有时还对“科学可视化”与“信息可视化”之间差别作出了规定。
比如,ETHZurich提出,科学可视化提供的是图形化表现形式数值型数据,以便对这些数据进行定性和定量分析。
与全自动分析(比如,借助于统计学方法)相比,科学可视化最终的分析步骤则是留给了用户,从而对人类视觉系统的能力加以了利用。
科学可视化不同于与之相关的信息可视化领域,因为科学可视化侧重于那些代表时空连续函数之样本的数据,而不是那些内在离散的数据。
1.3研究内容与研究方法
1.3.1研究内容
论文主要基于科学数据的可视化方法,着重研究地震数据的数据结构,进行地震数据处理,运用MATLAB开发地震数据可视化系统,实现地震数据的导入、可视化、重要数据分析、提取等功能。
主要可分为以下几个方面[4]:
(1)科学数据的组织:
对科学数据进行合理的收集,人们使用特定的工具(如数据采集器等)对数据进行采样分析,将收集的信息进行过滤获取感兴趣的部分或需要的部分。
(2)实时图形生成技术:
将科学数据化转化成图形,可使在分析数据时,提供界面友好图形信息、支持各种鼠标操作。
通过对科学数据图形化可使操作者有一种感官上的了解,从而更好的分析数据、发现数据的规律并做出正确的判断。
(3)科学数据的存储和压缩:
通常由于科学数据的数据量比较大,运用合理有效的存储压缩算法可提高磁盘的利用率并提高科学数据使用效率。
(4)数据可视化工具的开发:
研究开发数据可视化工具并使其支持科学数据的导入、导出、图形化等操作。
(5)数据可视化算法研究:
对科学数据图形生成、存储压缩的算法研究。
(6)对科学数据进行分析找出有用的、可利用的信息。
1.3.2研究方法
主要是根据所提供的地震数据在GUI界面绘制出加速度、速度和位移与时间相对应的二维图形,以及加速度、速度、位移在南北方向、东西方向、垂直方向三个方向的三维可化视图形,我们在对应的命令窗口或者M文件里面编写程序时要会正确使用mesh、surf、plot等相关命令。
主要方法还是用MATLAB建立相应的GUI界面,实现地震数据导入,并绘制地震数据的二维、三维的可视化,分析一些数据,还有熟练掌握GUI界面里的功能模块的使用。
2科学数据的可视化方法概述
2.1科学数据类型及特点
2.1.1科学数据的类型
(1)数据本身的类型
这里所谓的数据类型有两层含义,一是数据本身的类型,二是数据分布及连接关系的类型。
a.标量
标量是指可以用一个不依赖于坐标系的数字表征其性质的量。
例如,密度、温度、质量等。
标量没有方向。
b.矢量
矢量是指需要用不依赖于坐标系的数字及方向表征其性质的量。
例如,位移、速度、加速度等。
矢量有方向。
c.张量
从代数角度讲,它是向量的推广。
我们知道,向量可以看成一维的“表格”(即分量按照顺序排成一排),矩阵是二维的“表格”(分量按照纵横位置排列),那么n阶张量就是所谓的n维的“表格”。
张量的严格定义是利用线性映射来描述的。
与矢量相类似,定义由若干坐标系改变时满足一定坐标转化关系的有序数组成的集合为张量。
(2)数据分别及连接关系的类型
三维空间数据可视化的对象既包括计算机的科学计算结果,也包括测量仪器的测量数据。
三维空间上离散数据之间连接关系的类型。
a.结构化数据
结构化数据是指,在逻辑上组织成三维数组的空间离散数据,也就是说,这些空间离散数据的哥哥元素具有三维数组个元素之间的逻辑关系,每个元素都可以有它自己所在的层号、行号和列号。
符合这一条件的三维空间数据就称为结构化数据。
根据结构化数据中个元素不同的物理分别,又可将其分为以下几类
①均匀网格结构化数据
②规则网格结构化数据
b.非结构化数据
非结构化数据库是指其字段长度可变,并且每个字段的记录又可以由可重复或不可重复的子字段构成的数据库,用它不仅可以处理结构化数据(如数字、符号等信息)而且更适合处理非结构化数据(全文文本、图象、声音、影视、超媒体等信息)。
c.结构化和非结构化混合型数据
在某些应用场合,有时需要将结构化和非结构化数据结合起来使用,从而形成了混合型数据类型,以使得数据的表示最为方便,所需的计算量也较小。
2.1.2科学数据的特点
科学数据的特点是数据量大,数值范围广;数据输入输出量大,计算相对简单;进行大量的图形交互操作;具有良好的实时性和高可靠性;面向企业或部门,以数据为中心组织数据,形成综合性的数据库,为各应用共享;采用一定的数据模型。
数据模型不仅要描述数据本身的特点,而且要描述数据之间的联系;数据冗余小,易修改、易扩充。
不同的应用程序根据处理要求,从数据库中获取需要的数据,这样就减少了数据的重复存储,也便于增加新的数据结构,便于维护数据的一致性;程序和数据有较高的独立性;具有良好的拥护接口,用户可方便地开发和使用数据库;对数据进行统一管理和控制,提供了数据的安全性、完整性、以及并发控制。
2.2科学数据可视化基本概念
2.2.1科学数据的可视化
数据可视化是关于数据之视觉表现形式的研究;其中,这种数据的视觉表现形式被定义为一种以某种概要形式抽提出来的信息,包括相应信息单位的各种属性和变量。
数据可视化技术的基本思想是将数据库中每一个数据项作为单个图元元素表示,大量的数据集构成数据图像,同时将数据的各个属性值以多维数据的形式表示,可以从不同的维度观察数据,从而对数据进行更深入的观察和分析。
数据可视化主要旨在借助于图形化手段,清晰有效地传达与沟通信息。
但是,这并不就意味着,数据可视化就一定因为要实现其功能用途而令人感到枯燥乏味,或者是为了看上去绚丽多彩而显得极端复杂。
为了有效地传达思想概念,美学形式与功能需要齐头并进,通过直观地传达关键的方面与特征,从而实现对于相当稀疏而又复杂的数据集的深入洞察。
然而,设计人员往往并不能很好地把握设计与功能之间的平衡,从而创造出华而不实的数据可视化形式,无法达到其主要目的,也就是传达与沟通信息。
数据可视化与信息图形、信息可视化、科学可视化以及统计图形密切相关。
当前,在研究、教学和开发领域,数据可视化乃是一个极为活跃而又关键的方面。
“数据可视化”这条术语实现了成熟的科学可视化领域与较年轻的信息可视化领域的统一。
2.2.2数据可视化的基本概念
数据可视化技术包含以下几个基本概念:
(1)数据空间:
是由n维属性和m个元素组成的数据集所构成的多维信息空间;
(2)数据开发:
是指利用一定的算法和工具对数据进行定量的推演和计算;
(3)数据分析:
指对多维数据进行切片、块、旋转等动作剖析数据,从而能多角度多侧面观察数据;
(4)数据可视化:
是指将大型数据集中的数据以图形图像形式表示,并利用数据分析和开发工具发现其中未知信息的处理过程。
目前数据可视化已经提出了许多方法,这些方法根据其可视化的原理不同可以划分为基于几何的技术[5]、面向像素技术[6]、基于图标的技术[7]、基于层次的技术[8]、基于图像的技术[9]和分布式技术[10]等等。
2.2.3数据可视化的适用范围
关于数据可视化的适用范围,目前存在着不同的划分方法。
一个常见的关注焦点就是信息的呈现。
例如,迈克尔·弗兰德利(2008)提出了数据可视化的两个主要的组成部分:
统计图形和主题图。
另外,《DataVisualization:
ModernApproaches》[11](“数据可视化:
现代方法”)(2007)一文则概括阐述了数据可视化的下列主题:
(1)思维导图
(2)新闻的显示
(3)数据的显示
(4)连接的显示
(5)网站的显示
(6)文章与资源
(7)工具与服务
所有这些主题全都与图形设计和信息表达密切相关。
另一方面,FritsH.Post(2002)则从计算机科学的视角,将这一领域划分为如下多个子领域:
(1)可视化算法与技术方法
(2)立体可视化
(3)信息可视化
(4)多分辨率方法
(5)建模技术方法
(6)交互技术方法与体系架构
数据可视化的成功应归于其背后基本思想的完备性:
依据数据及其内在模式和关系,利用计算机生成的图像来获得深入认识和知识。
其第二个前提就是利用人类感觉系统的广阔带宽来操纵和解释错综复杂的过程、涉及不同学科领域的数据集以及来源多样的大型抽象数据集合的模拟。
这些思想和概念极其重要,对于计算科学与工程方法学以及管理活动都有着精深而又广泛的影响。
《DataVisualization:
TheStateoftheArt》(数据可视化:
尖端技术水平)一书当中重点强调了各种应用领域与它们各自所特有的问题求解可视化技术方法之间的相互作用。
3基于MATLAB的地震数据可视化方法
3.1地震数据的特点
我们以1940年著名的美国埃而森特罗波(ElEentro)地震数据为例进行分析,可以得出地震数据的特点:
地震数据包括加速度、速度以及位移,每一组数据有包含南北方向分量值、东西方向分量值以及垂直方向分量值,而且所有的数据是离散的,数据比较多,每一组数据随时间随时都在发生变化,但变化没有一定的规则,方向也不确定。
每组数据里面的所有数据时间间隔时相同的,从给出的数据中我们可以得到任意时刻的加速度、速度、位移的大小与方向,加速度、速度、位移的最大值与最小值以及它们所对应的时刻。
从中我们可以做出加速度、速度、位移随时间变化的二维图以及加速度、速度、位移的三维可视化图。
3.2基于MATLAB的地震数据可视化方法
3.2.1地震数据可视化方法原理
(1)地震数据可视化原理[12]
根据MATLAB绘制图形的方法,对地震数据进行导入与处理,并在GUI用户界面里面绘制地震数据随时间变化的二维图以及地震数据的三维可视化图。
(2)坐标变换
在GUI里面绘制二维图时,我们以时间轴为横轴(x轴),分别以加速度、速度、位移的南北分量、东西分量、垂直分量为纵轴(y轴),绘制加速度、速度、位移随时间变化的二维图;在GUI里