خلاصه
نویسندگان، اتوماتای سلولی را با سیستم ذرات ترکیب میکنند تا مدلسازی و تجسم سهبعدی ابر در مقاله را درک کنند. ابتدا از اصل سیستم های ذرات برای شبیه سازی طرح کلی ابر استفاده می کنیم. تولید ذرات یکنواخت در حجم های محدود ابر از طریق تابع تصادفی. سیستم ذرات ابری را بسازید. و تعداد ذرات، اندازه، مکان و خواص مربوطه را مقداردهی اولیه کنید. سپس اصل سیستم اتوماتای سلولی برای مقابله با ذرات یکنواخت شبیه سازی شده توسط سیستم ذرات اتخاذ می شود تا آن را با قوانین تعیین شده توسط کاربر مطابقت دهد و چگالی میدان پیوسته آن را محاسبه کند. ما ذرات ابر نهایی را با یک نقشه بافت ارائه می کنیم و ابر سه بعدی واقعی تر را شبیه سازی می کنیم. این روش نه تنها اثر واقعی را در شبیه سازی به دست می آورد،
کلید واژه ها:
اتوماتای سلولی ; سیستم ذرات ؛ مدل سازی سه بعدی ; شبیه سازی ; ابر
1. معرفی
ابرها یک پدیده رایج جوی هستند. با توسعه فناوری های تجسم رایانه ای، شبیه سازی رایانه ای ابرها امکان پذیر می شود. محققان در سراسر جهان تحقیقات زیادی در این زمینه انجام داده اند. نتایج تحقیقات به طور گسترده در شبیه سازی های میدان جنگ مجازی، شبیه سازی پرواز، ساخت محیط طبیعی در بازی ها و انیمیشن ها استفاده شده است. به ویژه، شبیه سازی ابرها در مطالعه پیش بینی آب و هوا از اهمیت بیشتری برخوردار است. به عنوان یکی از منابع اصلی اطلاعات آب و هوا، تصاویر ابر ماهواره ای نقش مهمی در شبیه سازی ابر به عنوان منابع داده اصلی ایفا می کنند. در حال حاضر، اکثر بخش های اولیه هواشناسی از فناوری های نمایش دو بعدی برای نمایش و پردازش تصاویر ابری ماهواره ای استفاده می کنند. اگر تصاویر ابری با استفاده از شبیه سازی سه بعدی نمایش داده شوند، توزیع فضایی ابرها را می توان بازیابی کرد. کنتراست ابرها در سطوح مختلف را می توان افزایش داد. بنابراین، پیشبینیکنندگان میتوانند پدیدههای آب و هوایی معمولی، مانند رعد و برق، گرداب کم، و باران پیشانی را به راحتی تجزیه و تحلیل و قضاوت کنند. علاوه بر این، پیش بینی آب و هوا دقیق تر خواهد بود [1 ]. محققان در سراسر جهان مطالعات و آزمایشهای متعددی را بر روی مدلسازی ابری انجام دادهاند و بسیاری از الگوریتمهای مدلسازی ابری مؤثر را به دست آوردهاند. این الگوریتم ها را می توان به روش های شبیه سازی عددی و روش های مدل سازی بر اساس ظاهر تقسیم کرد.
به منظور شبیه سازی ابرهای بزرگ در سال 2006 دوباشی و همکاران. [ 2 ] معادلات دینامیک سیالات اتمسفر را با نگاشت آنها به شبکه هایی در مختصات قطبی حل کرد و به شبیه سازی ابرهای در مقیاس زمین دست یافت. اخیرا وانگ و همکاران به منظور بهبود کارایی شبیه سازی ابری . [ 3] فضای سه بعدی را به یک فضای یک بعدی در جهت عمودی و یک فضای دو بعدی در جهت افقی تقسیم کرد و متغیرهای پیچیده را به ثابت تبدیل کرد. آنها از این راه حل ساده برای پیاده سازی شبیه سازی ابرهای کومولوس و کاهش سربار محاسباتی استفاده کردند. با این حال، مقدار محاسبات حل معادلات دینامیک سیالات اتمسفر هنوز زیاد است. بنابراین، روش های شبیه سازی عددی به ندرت در شبیه سازی ابر سریع استفاده می شود. روشهای مدلسازی بر اساس ظاهر شامل هندسه فراکتال [ 4 ]، الگوریتم متابول [ 5 ] و سیستمهای ذرات [ 6 ] است. نیشیتا و همکاران [ 5] الگوریتم متابول را با الگوریتم فراکتال ترکیب کرد تا یک ابر نامنظم ایجاد کند که با پایین صاف و بالای نامنظم واقعی به نظر می رسد. دوباشی و همکاران [ 7 ] بر اساس تصاویر ابر ماهواره ای، متابول ها را قرار داد. آنها در نهایت شبیه سازی ابر را با تنظیم شعاع و غلظت متابولاها اجرا کردند. در سال 2008، وانگ و همکاران. [ 6] از سیستم ذرات برای انجام تحقیقات خود استفاده کردند. آنها حرکت رو به بالا ذرات بخار را با استفاده از یک مدل عددی تقریبی برای شبیه سازی عوامل فیزیکی کنترل کردند. در همین حال، چرخه زندگی یک ذره زمان انسجام آن را در شبکه تعیین می کند و تغییر موقعیت آن در شبکه تغییر فاز شبکه را تعیین می کند، در نتیجه داده های فرم ابری به دست می آید. به طور خلاصه، این روش ها ساده هستند و حجم محاسبات کمتری دارند. بر اساس تجزیه و تحلیل فوق، یک الگوریتم مدل سازی سه بعدی مبتنی بر اتومات سلولی و سیستم ذرات در این مقاله پیشنهاد شده است. علاوه بر این، شبیه سازی دینامیکی مربوطه انجام شده است.
2. شبیه سازی ذرات یکنواخت ابر با استفاده از سیستم ذرات
2.1. نمای کلی سیستم ذرات
ایده اصلی سیستم ذرات این است که فرض کنیم یک جسم از تعداد زیادی ذرات ساده شکل تشکیل شده است. هر ذره چرخه زندگی خود را دارد و ذره در طول عمر خود چهار مرحله را تجربه می کند: “تولد”، “حرکت”، “رشد” و “ناپدید شدن”. ویژگی های حرکت جسم را می توان با فرآیندهای تصادفی توصیف کرد. همه ذرات حرکت می کنند و شکل خود را به طور مداوم تغییر می دهند، که منعکس کننده ماهیت درونی و دینامیک جسم نامنظم است [ 8 ، 9 ].
شکل 1 نمودار جریان یک سیستم ذرات بسته را نشان می دهد. اول از همه، تعداد معینی از ذرات به طور تصادفی در فضای سه بعدی که شکل یک جسم را توصیف می کند، تولید می شوند. سپس به هر ذره خواص فیزیکی مانند حالت، سرعت، موقعیت، رنگ و چرخه حیات بر اساس خواص ذره داده می شود. در نهایت، با توجه به قوانین حرکت جسم، معادلات تغییر خاصیت دینامیکی ذره برقرار می شود. در طول فرآیند حرکت ذرات، ما باید تشخیص دهیم که آیا طول عمر یک ذره از مقدار از پیش تعیین شده فراتر می رود یا خیر. اگر بله، باید این ذرات را حذف کنیم و در صورت نیاز تعدادی ذرات جدید تولید کنیم. در نهایت، عملیات رندرینگ و ترسیم بر روی مدل سه بعدی که با استفاده از سیستم ذرات ایجاد شده است، انجام می شود.
چه جسم مدل شده جامد، مایع یا گاز باشد، مانند شعله، ابر، دود و غیره ، همه آنها را می توان با استفاده از سیستم ذرات شبیه سازی کرد. سیستم ذرات می تواند به طور موثر ویژگی های دینامیکی اجسام فازی و نامنظم مانند ابر، مه، دود و غیره را منعکس کند . بنابراین، سیستم ذرات یک الگوریتم تولید گرافیک خوب برای شبیه سازی اجسام نامنظم و فازی است.
2.2. استفاده از کره ها برای شبیه سازی کانتور ابر
هر ابر شبیه یک شبه کره یا یک کره نامنظم است. بنابراین، ما از کره ها برای شبیه سازی کانتور ابر استفاده می کنیم. یک ابر با هر شکلی را می توان با استفاده از تعداد زیادی کره با اندازه های مختلف تشکیل داد. برای راحتی کار از سه کره با شعاع های مختلف برای تشکیل یک ابر استفاده می کنیم. در نتیجه، تنها به چند ساختار ساده برای توصیف این سه کره نیاز است. شکل 2 کانتور ابر شبیه سازی شده با استفاده از توپ های مختلف را نشان می دهد.
2.3. حل جعبه مرزی
فرض کنید که مختصات مرکزی سه توپ هستند (ایکس1،�1،�1)، (ایکس2،�2،�2)، و (ایکس3،�3،�3)شعاع آنها به ترتیب R 1 ، R 2 و R 3 است . اولین چیز این است که جعبه مرز مستطیلی را محاسبه کنید. فرض کنید که مختصات حداقل راس جعبه مرزی است (ایکسدقیقه،�دقیقه،�دقیقه)، و مختصات حداکثر راس هستند (ایکسحداکثر،�حداکثر،�حداکثر)، سپس:
{ایکسدقیقه=دقیقه{ایکس1–آر1،ایکس2–آر2،ایکس3–آر3}�دقیقه=دقیقه{�1–آر1،�2–آر2،�3–آر3}�دقیقه=دقیقه{�1–آر1،�2–آر2،�3–آر3}
{ایکسحداکثر=حداکثر{ایکس1+آر1،ایکس2+آر2،ایکس3+آر3}�حداکثر=حداکثر{�1+آر1،�2+آر2،�3+آر3}�حداکثر=حداکثر{�1+آر1،�2+آر2،�3+آر3}
بر اساس این دو نقطه می توان کره ی محدود شده ی کانتور سه بعدی را به دست آورد. فرض کنید مرکز دایره محدود شده (x,y,z) باشد ، یعنی (( ایکسحداکثر–ایکسدقیقه)/2، (�حداکثر–�دقیقه)/2،(�حداکثر–�دقیقه)/2)، سپس شعاع کره بر اساس اصول هندسی است آر = (ایکسحداکثر–ایکسدقیقه)2+(�حداکثر–�دقیقه)2+(�حداکثر–�دقیقه)2. همانطور که در شکل 3 و شکل 4 نشان داده شده است، مستطیل محاط شده این کره، جعبه مرزی است که ذرات ابر را تولید می کند . شکل سه بعدی ابر فضایی است که از سه کره تشکیل شده است.
ما از دو رأس در امتداد یک خط مورب جعبه مرزی برای توصیف جعبه مرزی استفاده می کنیم. در این مقاله از راس هایی که مختصات آن مثبت است و راس هایی که مختصات آن منفی است استفاده شده است. ساختار جعبه مرزی به شرح زیر است:
Struct BoundingBox
{منشاء برداری;
بردار MinPt;
وکتور MaxPt;
مرزهای خط [ 10 ] ;};
در ساختار نشان داده شده در بالا، “origin” نشان دهنده مختصات مرکزی جعبه مرزی، “MaxPt” نشان دهنده راس مثبت و “MinPt” نشان دهنده راس منفی است. میتوانیم اندازه جعبه مرزی را از طریق شعاع کره و مختصات مرکزی کره محدود شده تعیین کنیم. ما از مختصات مرکزی سه کره اولیه استفاده می کنیم تا شعاع کره محدود شده را کم کنیم و نتایج را با هم مقایسه کنیم. حداقل مقدار MinPt است. به طور مشابه، مختصات مرکزی هر کره را به شعاع کره محدود شده اضافه کنید، سپس حداکثر مقدار MaxPt است. به منظور تسهیل ترسیم پس از جعبه مرزی، ساختار باید دارای ساختار خطی باشد که اطلاعات جانبی جعبه مرزی را نشان می دهد. ساختار خط به صورت زیر تعریف می شود:
خط سازه
{منشاء برداری;
وکتور پایان;};
بدیهی است که “مبدا” در ساختار Line نقطه شروع یک طرف جعبه مرزی را نشان می دهد، در حالی که “پایان” نقطه پایان طرف را نشان می دهد. شکل 3 و شکل 4 تصاویر افکت جعبه مرزی را نشان می دهد.
2.4. تولید ذرات در جعبه مرزی
سیستم ذرات به تولید ذرات ابر در جعبه مرزی کمک می کند. برای تولید ذرات ابر باید دو جنبه را در نظر گرفت. اولی تعداد اولیه ذرات و به دنبال آن اندازه ذرات است.
در سیستم ذرات، تولید ذرات جدید توسط یک تابع تصادفی کنترل می شود. تابع تصادفی به طور تصادفی تعداد معینی از ذرات را در فضای ذره داده شده تولید می کند، جایی که تعداد ذرات تعداد ذرات تولید شده در یک فریم است. این عدد چگالی ابر را تعیین می کند. اگر تعداد ذرات خیلی کم باشد، نمی توان الزامات واقعی بودن را برآورده کرد. اگر بیش از حد بزرگ باشد، زمان پردازش داده افزایش مییابد و نیازهای بلادرنگ را برآورده نمیکند [ 10 ]. برای برآوردن نیازهای واقعی و واقعی، از تابع تصادفی زیر برای تعیین تعداد ذرات ابر استفاده می کنیم.
نستومتر=ن��آمتره+�آ�د()×نحداکثر
که در آن N مجموع تعداد کل ذرات تولید شده در هر فریم است، N قاب تعداد ذرات در فرآیند رندر هر فریم و N max حداکثر تغییر تعداد ذرات است.
اندازه ذرات تاثیر بسزایی بر ظرافت ابرها دارد. بر اساس اصول بصری انسان، زمانی که زاویه دید از مرکز ابر دور باشد، چشم انسان نسبت به ابر حساس نیست، بنابراین میتوانیم از ذرات با اندازه بزرگ استفاده کنیم. برعکس، اگر نقطه دید نزدیک به مرکز ابر باشد، چشم انسان به ابر حساس است و نیاز به ظرافت زیاد است، بنابراین باید اندازه ذرات را برای رندر کاهش دهیم. این روش زنده بودن ابرها را تضمین می کند و تعداد ذرات مورد نیاز را کاهش می دهد و سرعت رندر را بهبود می بخشد. شکل 5 افکت طراحی را نشان می دهد.
سپس از سه کره برای برش ذرات یکنواخت در جعبه مرزی (نشان داده شده در شکل 6 ) استفاده می کنیم و ذرات سمت چپ و قسمت های کروی را حذف می کنیم. شکل 7 نتایج را نشان می دهد.
3. شبیه سازی ذرات ابر با استفاده از خودکار سلولی
3.1. بررسی اجمالی اتومات سلولی
اتومات سلولی یک مدل فیزیکی ایده آل است که از نظر مکان و زمان گسسته است. پارامترهای فیزیکی آن فقط مجموعه مقادیر محدودی دارند. طبق تئوری خودکار سلولی، فضای شبیه سازی را می توان با استفاده از شبکه های سه بعدی تقسیم کرد، همانطور که در شکل 8 نشان داده شده است . هر شبکه نشان دهنده یک سلول و هر سلول نشان دهنده ذرات بخار است. به همه سلول ها سه متغیر حالت داده می شود: hum، cld و act که به ترتیب نشان دهنده بخار آب، ابر و حالت تغییر از بخار آب به ابر (آب) هستند. هر متغیر حالت دارای مقدار 1 یا 0 است. 1 نشان می دهد که ذرات بخار به شکل بخار آب وجود دارند. 0 نشان می دهد که ذرات بخار به شکل کریستال های یخ یا قطرات آب سرد شده وجود دارند.
3.2. استفاده از سلول ها برای جایگزینی ذرات یکنواخت
hum = 1 نشان می دهد که بخار آب کافی برای تشکیل ابر وجود دارد. act = 1 نشان می دهد که تغییر حالت از بخار آب به ابر (آب) در حال وقوع است. cld = 1 نشان می دهد که ابر ایجاد شده است. تولید ابر با استفاده از عملیات بولی شبیه سازی شده است. شکل 9 قوانین اساسی انتقال حالت سلول را نشان می دهد. فرض کنید که حالت های یک سلول از t i به t i+1 به صورت زیر تغییر می کند: act از 0 به 1 تغییر می کند، hum از 1 به 0 تغییر می کند و cld از 0 به 1 تغییر می کند، سپس فرمول های تبدیل مربوطه عبارتند از:
ساعتتومتر(من،�،ک،تیمن+1)=ساعتتومتر(من،�،ک،تیمن)∧¬آجتی(من،�،ک،تیمن)
جلد(من،�،ک،تیمن+1)=جلد(من،�،ک،تیمن)∨آجتی(من،�،ک،تیمن)
آجتی(من،�،ک،تیمن+1)=¬آجتی(من،�،ک،تیمن)∧ساعتتومتر(من،�،ک،تیمن)∧�آجتی(من،�،ک)
که در آن f act (i,j,k) یک تابع عملیات بولی است. با در نظر گرفتن اینکه قطرات ریز آب با حرکت جوی بالا میآیند و در جهت افقی پخش میشوند، مقدار این تابع باید با حالت عمل و زمزمه 11 سلول گرد تعیین شود. بنابراین، تابع را می توان به صورت زیر بیان کرد:
�آجتی(من،�،ک)=آجتی(من+1،�،ک،تیمن)∨آجتی(من،�+1،ک،تیمن)∨آجتی(من،�،ک+1،تیمن)∨آجتی(من–1،�،ک،تیمن)∨آجتی(من،�–1،ک،تیمن)∨آجتی(من،�،ک–1،تیمن)∨آجتی(من–2،�،ک،تیمن)∨آجتی(من،�–2،ک،تیمن)∨آجتی(من+2،�،ک،تیمن)∨آجتی(من،�+2،ک،تیمن)∨آجتی(من،�،ک–2،تیمن)
می توانیم از معادلات (4) تا (7) برای کنترل تولید ابر استفاده کنیم. با این حال، متوجه میشویم که cld پس از تغییر به 1 همیشه 1 را حفظ میکند. بنابراین، یک متغیر حالت جدید برای حل این مشکل معرفی شده است. ابتدا یک pext احتمال ناپدید شدن تعریف می کنیم و سپس یک مقدار تصادفی rnd (از 0 تا 1) برای تمام سلول هایی که cld آنها 1 است تولید می کنیم. اگر rnd < pext باشد، cld تبدیل به 0 می شود. پیمان زمزمه و اکت نیز به ترتیب تعریف شده است. اگر rnd < phum، پس hum = 1. اگر rnd < pact، پس act = 1. فرمول به شرح زیر است:
جلد(من،�،ک،تیمن+1)=جلد(من،�،ک،تیمن)∧مناس(��د>پهایکستی(من،�،ک،تیمن))
ساعتتومتر(من،�،ک،تیمن+1)=ساعتتومتر(من،�،ک،تیمن)∨مناس(��د<پساعتتومتر(من،�،ک،تیمن))
آجتی(من،�،ک،تیمن+1)=آجتی(�،من،ک،تیمن)∨مناس(��د<پآجتی(من،�،ک،تیمن))
با هفت فرمول بالا، میتوانیم مقادیر حالت هر سلول را کنترل کنیم و مدل چگالی گسسته ابر را بدست آوریم.
3.3. محاسبه چگالی پیوسته
یک سلول دو پارامتر دارد: چگالی مرکزی و شعاع موثر. همانطور که در شکل 10 نشان داده شده است ، محور عمودی نشان دهنده چگالی و محور افقی نشان دهنده فاصله مرکز تا سلول است. هر سلول یک کره است که توسط یک تابع میدان تعریف می شود. ما از اتومات سلولی برای محاسبه توزیع چگالی پیوسته استفاده می کنیم. برای سادگی، یک بعد برای نمایش توزیع چگالی پیوسته تعریف می کنیم. همانطور که در شکل 11 نشان داده شده است، سلول ها روی نقاط شبکه قرار می گیرند، سپس مجموع وزنی توابع میدان نشان دهنده توزیع چگالی پیوسته است. توزیع چگالی پیوسته را می توان با تنظیم چگالی مرکز و شعاع مؤثر بر اساس توزیع باینری به دست آورد. شعاع موثر R را می توان اختصاص داد.
�(�)={–49آ6+179آ4–229آ2+1(�≤آر)0(r>آر)
ما فرض می کنیم که cld مقدار چگالی گسسته است. X l,m,n مختصات سلول (l,m,n) را نشان می دهد. Ω( X l,m,n ) مجموعه سلولی است که سلول های آن |X i,j,k − X l,m,n | < R در متابول. N تعداد سلول های متابول است. سپس چگالی سلول q در مرکز متابول را می توان با استفاده از (12) بدست آورد:
�من،j،ک=1�ج×∑ل،متر،�∈�(�ل،متر،�)�ججلد(�ل،متر،�)
چگالی پیوسته ابر در نقطه ای را می توان پس از به دست آوردن چگالی متابول محاسبه کرد. چگالی پیوسته ابر را می توان به صورت زیر بیان کرد:
�(�)=∑من،�،ک∈�(�)ن�من،�،ک�(|�–�من،�،ک|)
که در آن Ω( X ) مجموعه ای از تمام سلول هایی است که در مرکز X و دارای شعاع R هستند . چگالی هر نقطه را می توان با استفاده از چگالی هر متابول و مجموع محصولات وزن آن در این نقطه بدست آورد. وزن متابول در این نقطه را می توان با محاسبه تابع موراکامی (یک تابع ثابت) به دست آورد.
ذرات ابر یکنواخت تولید شده توسط سیستم ذرات بر اساس قوانین اتومات سلولی پردازش می شوند. همانطور که در شکل 12 نشان داده شده است ، چگالی ذرات پیوسته محاسبه شده است و ذرات ابر شبیه سازی شده نهایی به دست می آید.
3.4. فلوچارت شبیه سازی خودکار سلولی
هنگام استفاده از یک مدل خودکار سلولی برای شبیه سازی ابرهای سه بعدی، ابتدا باید پارامترها را مقداردهی اولیه کنیم. سپس بر اساس وضعیت پارامتر هر لحظه، باید پارامترهای لحظه بعدی را طبق قوانین خاصی تعیین کنیم. شکل 13 نمودار جریان خاص شبیه سازی خودکار سلولی را نشان می دهد.
4. رندر بافت
در تجسم سه بعدی ابر، هر ذره ابر باید با یک بافت متصل شود. بافت تک در این مقاله به شکل RGBA و R = G = B = A توضیح داده شده است . الف شفافیت است. شفافیت با مقدار مقیاس خاکستری نسبت معکوس دارد زیرا ضخامت ذرات ابر از مرکز به لبه کاهش می یابد. ارزش مقیاس خاکستری بافت ذرات ابر نیز باید با این قانون سازگار باشد. همچنین باید قابلیت انتقال مداوم را داشته باشد. میتوانیم از توزیع گاوسی برای شبیهسازی این روند استفاده کنیم و فرمول این است [ 8 ، 11 ، 12 ]:
ساعت(د)=�2��انقضا(–د22�2)
جایی که d نشان دهنده فاصله از مرکز کره است. h(d) مقدار خاکستری بافت را در d از مرکز کره نشان می دهد. σ واریانس توزیع گاوسی است و آن را روی 3 قرار می دهیم. �مقدار مدولاسیون پیک مرکزی است. با توجه به نتایج شبیه سازی باید 0.4 باشد و � = σ در این مورد. شکل 14 نقشه بافت تولید شده را نشان می دهد.
ذرات ابر تولید شده در شکل 12 با نگاشت بافت در شکل 14 اضافه می شوند . شکل 15 اثر نهایی را نشان می دهد.
5. نتایج و تجزیه و تحلیل
هریس و همکاران [ 13 ] از فناوری Impostor برای شتاب دادن به ابرها با استفاده از همبستگی بین فریم ها برای دستیابی به رندر زمان واقعی نیازهای صحنه استفاده کرد. با این حال، در این نوع روش رندر، اندازه، موقعیت و رنگ ابرها ثابت است. او Huaiqing و همکاران. [ 14 ] مدل بیضی گاردنر را بهبود بخشید و تأثیر خوبی در نفوذ به ابرها داشت، اما این مدل فاقد نقدینگی و شبیهسازی نور ابرها است. لو هواکسینگ [ 15 ]، هوانگ بینگ و همکاران. [ 16 ] از یک روش مدلسازی مبتنی بر سیستمهای ذرات استفاده کرده و حرکت قانون و مدل روشنایی ابرها را برای به دست آوردن نتایج واقعی ترکیب کردهاند. تانگ ژائوو همکاران [ 17 ] مشکلاتی را که در استفاده از کاربرد تکنولوژی impostor در صحنه همجوشی آلفا رخ داده بود حل کرده و سرعت رندر ابرها را بهبود بخشیده است. با این حال، روش فوق مشکل رندر سه بعدی واقعی و صاف در مقیاس بزرگ را حل نمی کند. وانگ [ 18] از حلقه های هشت ضلعی منظم دوربین مدار برای تحقق فناوری فریبنده استفاده کرد که تعداد مثلث های ترسیم شده را کاهش داد و سرعت رندر ابرها را افزایش داد. مزیت این روش این است که تشکیل ابرها قبل از رندر کامل می شود و فرآیند رندر نیازی به محاسبه شکل ابرها ندارد، بنابراین راندمان رندر ابرها بسیار بالا است و همچنین حس واقعیت قوی دارد. با این حال، این رویکرد نمی تواند به یک پردازش نور صاف و اثر سایه خود دست یابد. لی گانگ و همکاران [ 19] یک چارچوب کاملاً مبتنی بر GPU برای شبیه سازی و نمایش ابرهای سه بعدی پیشنهاد کرد. در رندر کردن ابرها، او از روش مرتبسازی bitonic پیادهسازی شده بر روی GPU برای ترکیب پچ ابرهای سهبعدی برای ترکیب آلفای مناسب استفاده کرد. با این حال، این روش نیاز به زمان اضافی و پشتیبانی سخت افزاری دارد. او Xiaoxi و همکاران [ 20 ] یک شبیه سازی ابرهای سه بعدی بهبود یافته را پیشنهاد کرد. در رندر زمان واقعی ابرها، او یک مدل نورپردازی را بر اساس جهت نور خورشید و شرایط آب و هوایی پیشنهاد کرد و از فناوری mpostor چرخهای بهبود یافته برای بهبود طیف وسیعی از سرعت رندر ابرها استفاده کرد.
روش پیشنهادی در این مقاله از سیستم ذرات برای شبیهسازی سریع کانتور ابر تعریفشده توسط کاربر استفاده میکند و با بهرهگیری از سیستم ذرات، ذرات ابر اولیه را تولید میکند. سپس از سلول های موجود در اتومات سلولی برای جایگزینی ذرات اولیه و تبدیل آنها بر اساس قوانین اتومات سلولی استفاده می کنیم. در نهایت، از فناوریهای OpenGL مرتبط برای ارائه ابر استفاده میشود. شکل 16 و شکل 17 مقایسه بین روش های ترکیبی ارائه شده در این مقاله و الگوریتم سیستم ذرات را نشان می دهد.
با توجه به آزمایشها، روش پیشنهادی در این مقاله میتواند شبیهسازی سهبعدی ابرها را با حالت واقعی بسیار خوب پیادهسازی کند. علاوه بر این، با تغییر تعداد کره های شبیه سازی، می توان به شکل های مختلف ابر دست یافت. ابر شبیه سازی شده با استفاده از ترکیب دو روش در این بخش، واقعی تر از ابر شبیه سازی شده با استفاده از سیستم ذرات است.
برای نشان دادن بهتر مزایای روش پیشنهادی، عملکرد روش پیشنهادی و سیستمهای ذرات را با هم مقایسه میکنیم. سخت افزار آزمایشی شامل: پردازنده Pentium (R) Dual-Core 2.8 GHZ، حافظه 2.00 گیگابایتی و Windows XP (OS) است.
با این حال، از جدول 1 می توان دریافت که الگوریتم پیشنهادی و الگوریتم سنتی سیستم ذرات هر دو الگوریتم های بلادرنگ هستند. به منظور مقایسه عملکرد زمان واقعی این دو روش، آزمایشهای عملکردی انجام میشود. مهمترین عملکرد الگوریتم های بلادرنگ تعداد فریم های رندر شده در ثانیه است. تعداد ذرات در آزمایش ها 1000، 2500، 5000 و 7500 است. نتایج آزمایش نشان داده است که عملکرد روش پیشنهادی در این مقاله (ترکیب سیستم ذرات با خودکار سلولی) بهتر از سیستم ذرات سنتی است. شکل 18 مقایسه نرخ فریم را نشان می دهد.
6. نتیجه گیری
مفاهیم اساسی، اصول و گردش کار اتومات سلولی و سیستم ذرات در این مقاله توضیح داده شده است. اول، ما از یک تابع تصادفی برای تولید ذرات یکنواخت در جعبه مرزی یک ابر استفاده می کنیم و یک سیستم ذرات ابر را ایجاد می کنیم. ما همچنین ویژگی های مرتبط ذرات مانند تعداد، اندازه و مکان را مقداردهی اولیه می کنیم. سپس از قوانین اتومات سلولی برای پردازش ذرات یکنواخت شبیه سازی شده توسط سیستم ذرات استفاده می کنیم و چگالی میدان پیوسته آن را محاسبه می کنیم و ذرات ابر نهایی را بدست می آوریم. پس از آن، از نگاشت بافت برای نمایش ذرات ابر استفاده می شود و یک ابر سه بعدی واقعی به دست می آید.
با توجه به آزمایشها، روش پیشنهادی در این مقاله میتواند شبیهسازی سهبعدی ابرها را با حالت واقعی بسیار خوب پیادهسازی کند. علاوه بر این، با تغییر تعداد کره های شبیه سازی، می توان به شکل های مختلف ابر دست یافت. ابر شبیه سازی شده با استفاده از روش پیشنهادی واقعی تر از ابر شبیه سازی شده با استفاده از سیستم ذرات است.
به منظور مقایسه عملکرد زمان واقعی این دو روش، آزمایشهای عملکردی انجام میشود. تعداد ذرات در آزمایش ها 1000، 2500، 5000 و 7500 است. نتایج آزمایش نشان داده است که عملکرد روش پیشنهادی در مقاله بهتر از سیستم ذرات سنتی است.
این روش نه تنها اثر واقعی را در شبیه سازی به دست می آورد، بلکه عملکرد رندر را نیز بهبود می بخشد.
منابع
- وانگ، بی. پنگ، جی ال. کواک، ی. Kuo, C. شبیه سازی ابر کومولوس کارآمد و واقعی بر اساس رویکرد شباهت. در مجموعه مقالات سمپوزیوم بین المللی در محاسبات بصری’07، نوادا، کالیفرنیا، ایالات متحده آمریکا، 26-28 نوامبر 2007; صص 781-791.
- وانگ، بی. پنگ، جی ال. سنتز ابر کوو، CJ کومولوس با حل شباهت و مدلسازی ذره/وکسل. در مجموعه مقالات سمپوزیوم بین المللی در محاسبات بصری ’08، لاس وگاس، NV، ایالات متحده آمریکا، 1-3 دسامبر 2008; صص 65-74.
- دوباشی، ی. نیشیتا، تی. یاماشیتا، اچ. استفاده از متابول ها برای مدل سازی و متحرک سازی ابرها از تصاویر ماهواره ای. Vis. محاسبه کنید. 1999 ، 15 ، 471-482. [ Google Scholar ] [ CrossRef ]
- دوباشی، ی. یاماموتو، تی. Nishita, T. روشی قابل کنترل برای متحرک سازی ابرهای در مقیاس زمین. در مجموعه مقالات CASA’06، ژنو، سوئیس، 5-7 ژوئیه 2006. صص 43-52.
- لیائو، اچ اس. هو، تی. چوانگ، جی. Lin, C. ارائه سریع ابرهای پویا. محاسبه کنید. گر 2005 ، 29 ، 29-40. [ Google Scholar ] [ CrossRef ]
- Xu, HL شبیه سازی ابر سه بعدی بر اساس سیستم ذرات. پایان نامه کارشناسی ارشد، دانشگاه صنعتی ووهان، ووهان، چین، 2010. [ Google Scholar ]
- لوپس، آ. Brodlie, K. بهبود استحکام و دقت الگوریتم مکعب های راهپیمایی برای هم سطحی. Vis. محاسبه کنید. گر 2003 ، 9 ، 16-29. [ Google Scholar ] [ CrossRef ]
- نیشیتا، تی. دوباشی، ی. Nakamae، E. نمایش ابرها با در نظر گرفتن پراکندگی ناهمسانگرد چندگانه و نور آسمان. در مجموعه مقالات ACM Siggraph’96، نیواورلئان، لس آنجلس، ایالات متحده آمریکا، 4-9 اوت 1996; صص 379-386.
- بی، اس بی; Zeng، XW; پان، QY; Shi, Y. الگوریتم های شبیه سازی سه بعدی و پیش هضم برای تصاویر ابرها بر اساس سیستم ذرات. جی. سیست. شبیه سازی 2014 ، 11 ، 2630-2636. (به زبان چینی) [ Google Scholar ]
- هو، XY; سان، بی. Ling, XH یک روش بهبود یافته رندر ابری. در مجموعه مقالات کنفرانس بین المللی تصویر و گرافیک، شیان، چین، 1 ژوئن 2009; صص 853-858.
- شما، YJ; کانگ، اف جی. Tang, K. تحقیق در مورد میدان نبرد دریا محیط مجازی توزیع شده بر اساس فراکتال. جی. سیست. شبیه سازی 2009 ، 21 ، 7190-7194. (به زبان چینی) [ Google Scholar ]
- Tuo، YF; وانگ، دبلیو. کیو، ک. آهنگ، FH; یو، FF; وانگ، ی. Wang، YS کاربرد فناوری شبیه سازی سه بعدی تصویر ابری ماهواره ای مادون قرمز با فرمت AWX بر اساس OpenGL. J. Meteorol. محیط زیست 2011 ، 27 ، 25-31. (به زبان چینی) [ Google Scholar ]
- هریسم، ام جی. Lastra، A. رندر ابری در زمان واقعی. محاسبه کنید. گر انجمن 2001 ، 20 ، 76-84. [ Google Scholar ] [ CrossRef ]
- او، HQ; لیو، اچ. لیو، جی ایکس؛ یانگ، GQ بهبود روش شبیه سازی بر روی ابرهای سه بعدی. جی. سیست. شبیه سازی 2008 ، 20 ، 2620-2623. [ Google Scholar ]
- مدلسازی و رندر لو، HX Cloud. Aircr. دس 2009 ، 29 ، 64-68. [ Google Scholar ]
- هوانگ، بی. چن، جی. Wan, WG Cloud rendering در شبیه سازی پرواز و پیاده سازی آن. J. دانشگاه شانگهای. (Nat. Sci.) 2009 ، 15 ، 342-345. (به زبان چینی) [ Google Scholar ]
- تانگ، ز. Wu, PB Real-Time مدل سازی و رندر 3D Cloud و کاربرد آن در شبیه سازی های صنعتی. J. Comput.-Aided Des. محاسبه کنید. گر 2007 ، 19 ، 1051-1055. [ Google Scholar ]
- Wang, N. رندر ابری واقعی و سریع. جی.گر. ابزار 2004 ، 9 ، 21-40. [ Google Scholar ] [ CrossRef ]
- لی، جی. لی، اچ. همه در شبیهسازی ابری سهبعدی همزمان GPU. جی. سیست. شبیه سازی 2009 ، 21 ، 7511-7514. [ Google Scholar ]
- او، XX; چن، LT; Zhu، QX روش سیال ساده شده برای شبیه سازی سریع صحنه ابر سه بعدی بزرگ. Appl. Res. محاسبه کنید. 2012 ، 29 ، 2357-2359. [ Google Scholar ]
شکل 1. نمودار جریان یک سیستم ذرات.
شکل 2. کانتور ابر متشکل از کره های مختلف.
شکل 3. جعبه محدود کننده در نمای جانبی.
شکل 4. جعبه محدود کننده در نمای جلو.
شکل 5. جعبه محدود پر از ذرات.
شکل 6. کره های پر از ذرات.
شکل 7. کره های پر شده با ذرات یکنواخت.
شکل 8. متغیرهای تقسیم فضا و وضعیت سلولی.
شکل 9. قوانین انتقال حالت سلول.
شکل 10. تعریف سلول.
شکل 11. توزیع چگالی پیوسته سلول ها.
شکل 12. ذرات نهایی ابر.
شکل 13. نمودار جریان شبیه سازی اتوماسیون سلولی.
شکل 14. نقشه بافت ذره.
شکل 15. ابر اضافه شده با بافت (نمای جلو و نمای جانبی).
شکل 16. ابر شبیه سازی شده با سیستم ذرات قبل و بعد از افزودن بافت.
شکل 17. ابر شبیه سازی شده با روش پیشنهادی قبل و بعد از افزودن بافت.
شکل 18. مقایسه نرخ فریم.
جدول 1. مقایسه نتایج روش های مختلف مدل سازی ابری.
© 2016 توسط نویسندگان؛ دارنده مجوز MDPI، بازل، سوئیس. این مقاله یک مقاله با دسترسی آزاد است که تحت شرایط و ضوابط مجوز Creative Commons Attribution (CC-BY) (http://creativecommons.org/licenses/by/4.0/) توزیع شده است.
بدون نظر