Total plant performance evaluation based on big data: Visualization analysis of TE process

The performance evaluation of the process industry, which has been a popular topic nowadays, can not only find the weakness and verify the resilience and reliability of the process, but also provide some suggestions to improve the process benefits and efficiency. Nevertheless, the performance assessment principally concentrates upon some parts of the entire system at present, for example the controller assessment. Although some researches focus on the whole process, they aim at discovering the relationships between profit, society, policies and so forth, instead of relations between overall performance and some manipulated variables, that is, the total plant performance. According to the big data of different performance statuses, this paper proposes a hierarchical framework to select some structured logic rules from monitored variables to estimate the current state of the process. The variables related to safety and profits are regarded as key factors to performance evaluation. To better monitor the process state and observe the performance variation trend of the process, a classificationvisualization method based on kernel principal component analysis(KPCA) and self-organizing map(SOM) is established. The dimensions of big data produced by the process are first reduced by KPCA and then the processed data will be mapped into a two-dimensional grid chart by SOM to evaluate the performance status. The monitoring method is applied to the Tennessee Eastman process. Monitoring results indicate that off-line and on-line performance status can be well detected in a two-dimensional diagram.

数据可视化研究综述

数据可视化对于从海量数据中发现规律、增强数据表现、提升交互效率具有重要作用。目前,数据可视化的概念及相关研究领域不断扩展,就数据类型而言,可视化研究逐渐聚焦于多维数据、时序数据、网络数据和层次化数据等领域。通过对中国知网(CNKI)中外文文献进行分析可知:2014年、2015年是数据可视化领域研究热度升级、理论成果大量产出的"里程碑"式年份;中国大数据领域研究热潮形成后,数据可视化是迅速发展的一个重要支撑领域;国内外数据可视化领域的研究,在时间上基本同步,而武汉大学、浙江大学、北京邮电大学、国防科技大学、电子科技大学等都是在该领域研究活跃度较高的国内高校。要获得良好的视觉效果,帮助用户降低理解难度,高效分析数据和洞悉价值,通常还需要注意色彩与语义、突出核心数据、防止数据过载、防止思维过度发散等技术要点。现有的数据可视化技术主要分为基于几何技术、基于图标技术、基于降维技术、面向像素技术、基于时间序列技术、基于网络数据技术的数据可视化方法,以及层次可视化技术和分布技术等。基于几何技术的可视化方法,包括平行坐标、散点图矩阵、Andrews曲线等。基于坐标的可视化方法,可以清晰展示变量间的关系,但受限于屏幕尺寸,当数据维度超过3个时,难以直观显示全部维度,需要结合人机交互技术进行展示,适用于表达不同维度之间的相关关系,比如学生学习行为之间的关联关系等。基于图标的可视化方法,主要包括星绘法和Chernoff面法,以几何图形作为图标刻画多维数据,直观反映出图标各个维度所表示的意义,适用于工作完成情况、激励工作进度概览等。基于降维技术的可视化方法,根据维度属性确定点的坐标,在保持数据关系不变的前提下映射到低维可视空间中,主要涉及主成分分析、自组织映射、等距映射等。基于时间序列的可视化方法,是一种显示数据间相互关系和影响程度的可视化方法,主要包含线形图、堆积图、地平线图等,随着时间发展采集相应数据,并利用上述3类可视化方法进行呈现,适用于表示信息数据流动和变化状态,如不同时间段成绩流向趋势分布、主题概念的变迁等。基于网络数据的可视化方法,核心是自动布局算法,通过自动布局与计算绘制成网状结构图形,主要有力导向布局、圆形布局、网格布局等,常用来表示大规模社交网络结构,适用于活跃度分析、引文关系展现等。层次可视化技术,主要包括节点链接、空间填充、混合方法等,通过绘制不同形状的节点和包围框来表示层次结构的数据,适用于表示群组成员间交互关系的发现和挖掘,如在线协作员工之间的交互。基于CNKI,通过对数据可视化研究情况的分析,提出数据可视化研究过程中的注意点,指出数据可视化需要重点考虑色彩的匹配,在色彩与数据内容的重要度之间建立关联;可视化方案应在满足业务需求的基础上以业务逻辑为依据,合理组合与应用相关可视化技术;统一的可视化风格有助于提升人们理解数据的连贯性、一致性和效率,兼顾用户的审美要求,在风格与色彩之间建立合理的匹配关系;数据可视化应以实用、合理、高效地表现关键过程、关键目标、关键结果为主要面向。此外,对可视化应用实例Echarts展开综述,包括Echarts交互组件(markPoint和markLine标注点组件、dataZoom区域组件、图例交互组件)在可视化中的应用,以及动态数据绘制等。最后,对可视化存在的挑战以及未来研究方向进行了分析和展望,指出虚拟现实、可视化系统和数据分析是可视化未来的研究方向,其应用热点领域还包括统计可视化、新闻可视化、思维可视化、社交网络可视化和搜索日志可视化等。

面向空气质量监测数据时空多维属性的可视分析方法

空气质量监测数据具有显著的时空多维属性.传统的平行坐标技术虽然能够有效地展示数据的多维属性信息,却在分析与解读空气质量监测数据各个属性的时空变化规律方面表现出一定的局限性,在平行坐标展示空气质量监测数据多维属性的基础上,提出一种支持用户交互式探索大气污染时空特征的可视分析方法.首先利用平行坐标展示空气质量监测数据,支持用户交互改变时空维度以及指定坐标轴排列顺序;然后引入角度面积正负相关性等方式度量数据在平行坐标系中的布局差异,并且通过矩阵图和交互式柱状图分别展示不同时空维度下数据的布局差异;再综合考虑各个属性之间的数据布局差异,构建相似性矩阵,利用多维标度法对当前时空维度的数据进行降维,获得初始数据在低维空间的表示;最后利用层次聚类方法对低维空间的数据表达做聚类分析,并且分别设计时钟隐喻图和地域抽象图描述各个类别的时空节点组成.集成上述可视化算法设计便捷的用户交互模式,开发面向空气质量监测数据时空多维属性的可视分析原型系统,为用户快速分析和解读大气污染的时空特征及潜在规律提供有效手段.通过大量的可视化效果及用户反馈结果,进一步验证了文中所提可视分析方法的有效性和实用性.

面向GDP数据时空多维属性的可视分析方法

国内生产总值是经济统计的核心指标, 文中提出面向国内生产总值数据时空多维属性的可视分析方法. 利用多维标度法对不同时空维度多维属性进行降维, 支持用户交互选择时空维度和参与相似度计算的多维属性; 利用环状饼图展示产业结构的比例关系, 设计垂直指针定位优势产业并动态表达产业结构的变化趋势; 利用圆状堆叠图呈现各个产业产值及占比的时序变化信息, 堆叠图的绘制顺序进一步提示产业结构的更替特征. 设计内圆、中环、外环的可视化模式, 实现面向国内生产总值数据时空多维属性的可视分析系统, 利用方便而快捷的交互手段关联上述可视化方法, 为用户提供快速探索经济统计数据中产业结构时空特征模式的工具. 最后通过大量的可视化效果及用户体验结果, 进一步验证了文中方法的有效性和实用性.

一种面向层次和时序结构的多维可视化技术

多维数据、层次数据和时序数据在许多领域中都广泛存在。实际中的数据常常同时具有这三种数据类型的结构特征。信息可视化是对数据进行分析的有力工具，然而已有的可视化技术无法较好地分析具有复合结构特征的数据。针对这种问题，本文提出一种新型的可视化技术，该技术能够快速显示复合结构数据集的整体视图，同时还能很方便地查看细节信息，并提供各种交互手段进行可视化分析。基于这种技术开发的WHU—HTMVIS软件能够快速构造层次时序多维数据可视化应用。实例分析验证了该技术和软件的有效性和易用性。

利用多层视觉网络模型进行图像局部特征表征的方法

为了寻求代价更小、效率更高、适应性更强的图像局部特征表征方法,提出一种基于视觉机制的多层网络计算模型.首先对初级视皮层中的简单细胞和复杂细胞等神经元进行建模;然后对腹侧视通路上的V4区神经元和下颞叶皮层区神经元的响应模式进行研究,并利用该计算模型对输入图像进行局部特征的表征.实验结果表明,与传统的图像特征描述方法相比,该模型所提取的图像局部特征具有足够的区分度;此外,利用生物视觉模型提取出的图像局部特征在具有复杂背景的场景中显示出了更加优秀的泛化能力.

一种基于混合布局策略的高校教师业绩数据可视化方法

高校教师的业绩数据对于教师的考核评优、薪资提升、岗位聘任和职称晋升等人事决策具有十分重要的作用。针对其兼具复杂层次特征和多维属性的特点,提出了一种基于圆形嵌套图和平行坐标的VPM(Venn Parallel Coordinates Mixing)混合可视化方法。该方法首先采用基于D3布局算法的圆形嵌套图表示层次结构,而后划分叶子节点的圆周为不同的属性轴,通过布局设计、属性映射、属性点连接及缩放、高亮等用户交互来实现层次结构中多维属性的可视化。将该方法用于教师业绩数据,实现了对学院、研究所、教师各层级结构的可视化,可清晰展示数据项的细节信息。实验结果表明,提出的VPM方法能有效地展示教师的业绩数据,评价结果亦符合实际情况,能帮助系统用户——院校管理者对教师进行更好的管理及业绩考核。

基于时空信息云平台的景区智能导览系统设计

景区时空信息平台作为智慧旅游整体框架中一个重要的信息基础设施,以一种多源、多维、实时、直观的信息表达方式再现景区的特色资源。通过互联网与移动终端为公众、企业和政府管理部分提供差异化服务。文中以甘肃省定西市辖区景区智能导览系统建设为例,开展了智慧旅游时空信息数据体系建设、云平台建设研究,并以此为基础设计开发了智能导览系统,实现了实时定位、景点查询、路线规划、智能解说、全景展示等功能,为景区信息化建设提供了经验参考。

降维空间视觉认知增强的多维时变数据可视分析方法

针对多维时序数据可视分析过程中降维算法表现出的局限性,提出一种降维空间视觉认知增强的多维时序数据可视分析方法.在多维标度算法的基础上,通过正交变换使不同时间步投影点的偏移最小化,帮助用户对感兴趣的时间模式进行有效的视觉认知及追踪;为避免投影点之间的相互遮挡,引入六边形对投影空间进行划分,增强用户对降维空间特征的视觉认知和交互;进而引入层次聚类方法对投影点进行聚类分析,帮助用户快速感知多维数据之间的关联关系;最后设计面向聚类特征时序演变的分组动画策略,突出相邻时间聚类特征的演化特点和时序模式.集成上述可视化方法,开发面向多维时序数据可视分析原型系统,通过经济统计数据、空气质量监测数据的实例分析,进一步验证该系统的有效性和实用性.

地缘环境数据可视化策略研究

当前地缘环境数据可视化研究不足,可视化优势尚未在地缘环境分析中得到充分发挥。本文剖析了地缘环境数据,梳理了现有数据可视化方法及特点,制定了地缘环境数据可视化策略,给出了部分地缘环境数据可视化案例,分析了可视化方法在地缘环境研究中的优势,对于丰富地缘环境研究手段,提高地缘环境信息挖掘和知识发现效率具有积极意义。

基于网络大数据分析的可视化技术

随着大数据产业的快速发展,每天全球产生EB级的数据流量。面对这些数据量大、产生速度快、维度高、多来源、多结构的大数据信息,研究借助人机交互式分析方法,运用可视化分析技术充分挖掘大数据背后的关键信息,为人们提供更为直观高效的数据认知。笔者首先探讨大数据分析目前最为关注的多维数据可视化、层次数据可视化、网络数据可视化和时序数据可视化的技术发展。其次,指出在大数据可视化分析领域面临的数据规模大、维度高、多源异构等问题,以及对动态数据进行实时分析和预测面临的技术挑战。

面向在线交易日志的用户购买行为可视化分析

在线交易日志,即用户通过电商平台购买商品产生的交易记录,包括用户、商品、交易及商家的相关信息,反映了用户的购买行为.现有的可视化方法未能充分结合在线交易日志的时序、层次、地理、多维等特征,实现对用户购买行为的多角度分析.对此,结合交易日志的多个特征,提出了基于径向布局的复合时序可视化方法和融合空间信息的时间轴可视化方法,设计了颜色极值映射方法和规律映射方法;并基于上述方法,设计并实现了面向在线交易日志的用户购买行为可视化分析系统UPB-VIS,从而完成了单个用户和用户群体购买行为的全方位分析;最后,通过在京东商城在线交易日志数据集上的实验,证明了系统的易用性和相关可视化方法的有效性.

一种基于多维度转换策略的家装数据可视化方法

家装工程数据对于委托方与受委托方均有极重要的意义。为改善传统工程类数据可视化方法在家装项目信息化过程中难以对层次多维数据进行有效处理的缺点,提出一种基于多维度转换策略的可视化方法。该方法将数据建模处理后,按数据层次类别在不同维度可视图中进行布局,最后通过属性关系映射实现不同维度的可视化视图转换。实验结果表明,多维度可视化模型在“工程—房间—墙体”的层次结构中,进度指标可视化准确率均可达到100%。基于多维度转换策略的可视化方法不仅可直观展示家装数据层次结构,还可有效降低因主观原因导致的进度指标消费误差。

面向多维时空航班数据的渐进式可视分析方法

航班在实际运营中频繁地调整,对航空公司运营会产生不良的影响,运用可视分析方法分析历史航班的运营特征,可以发现航班计划中存在的缺陷,为航班计划调整提供支撑。该文设计面向多维时空航班数据的FlightOM-Vis系统,支持自上而下渐进式分析航班运营特征:采用多视图展示信息;融合面向数据多个维度的聚类分析方法;保留分析结果的上下文信息;提供丰富的交互工具。实验采用东方航空公司航班数据集进行验证,结果表明该系统能够协助分析人员快速挖掘隐藏在数据子集中的航班运营特征,根据可视化结果做出指导性建议。

基于多粒度时空对象的作战实体对象化建模研究

现代战争的军事作战数据来源广泛多样,目前对于军事作战的数据模型研究主要针对其时空属性进行描述,对于作战实体的多样化特征缺乏完整的表达,难以挖掘多维度的作战信息。多粒度时空对象建模是依照多粒度时空对象数据模型框架,将时空实体简化和抽象为数据模型,对复杂的现实世界进行概括与表达。本文在分析作战实体信息和特点的基础上,依托多粒度时空对象建模的思路,建立作战实体对象类并构建作战对象模型,对战争中时空实体的关联关系、组成结构和行为能力等特征的抽象与表达进行了探索,全面多维地描述作战实体及其特征变化,并以阿富汗战争中的美军凯克提特遣队为例进行对象化建模与可视化实现。实验结果表明,多粒度时空对象建模方法能有效表达作战实体的多维特征,在战场信息挖掘上具有精确立体、全面多维的优势,为面向对象的精细化作战研究提供了理论基础。