DDDAS 动态数据驱动发展动态

eb_sun

复杂系统行为的精确分析和预测是非常困难的。甚至相当精细的系统模型产生的仿真仍有可能不能正确地预测目标系统的真实行为。这种情况在实时动态条件下显得更为突出。为此，美国自然科学基金（NSF）提出了动态数据驱动应用系统（DDDASynamic Data Driven Applications Systems）。NSF在其信息技术研究（ITR）专项经费的支持下，在2000-2004年期间资助了多个DDDAS相关
项目的研究。自2005年起，NSF开始为DDDAS提供专项资助，由于DDDAS的研究需要多学科的支持，DDDAS在NSF中被定性为横向类的项目，并促使了多个管理局和代理处的共同参与。
NSF对DDDAS给出的定义是“一种新的协作应用和测量系统模式的研究，在这种模式下，仿真运行能够接受并动态响应注入到应用中的新数据。同时，相反地，这些应用系统也具有动态控制测量过程的能力”。
DDDAS动态地集成了解决需求问题的计算的和实验的测量方法，在广泛的科学和工程应用领域创造了新的性能。DDDAS的计算性能在不同层次的计算机平台上实现，包括计算机网络、超级计算机、中规模计算机群、分布式的、高数据流量的计算环境、高端工作站和传感器网络。因此，DDDAS研究的核心是计算科学和工程，高端计算，测量方法以及相应的网络基础设施[。
DDDAS是一个将应用/仿真和测量合成为一个共生反馈控制系统的范例。DDDAS能够动态地将输入的数据合并处理到一个可执行的应用软件，反过来，该软件具有能够动态地引导操纵观测过程的能力。这些能力保证了更准确的分析和预测、精确的控制，以及更可靠的输出
。
DDDAS系统的动态适应性体现在以下几个方面：能够适应来自传感器或其它测量设备的动态数据变化；能够适应计算需求的变化；能够有效地进行优化决策，以调整系统结构或配置，并将仿真结果及时地反馈给实际系统。
DDDAS目前在工程科学的应用主要有：系统的组合描述方法；系统的细节的多尺度模型；混沌和分形；系统建模；异步数据采集；精确度不同的数据合成等等。其在仿真与测量的融合、工程优化设计、控制与预测、应急管理等领域也正在得到广泛的推广。
在NSF的资助计划中，DDDAS在智能交通管理中将得到广泛应用。