Визуализация

$\texttt{Plot}$ является модулем, отвечающим за визуализацию. Он содержит шаблоны для построения изображений, представляющих интерес при анализе чувствительности и неопределённости. Содержит методы для построения графиков чувствительностей, ковариаций и неопределённостей.

Чувствительность

Чувствительности отображаются с помощью метода Первый параметр принимает список экземпляров $\texttt{Sensitivity}$ Остальные параметры необязательны. Ниже приведён пример.

sensitivities = [sensitivity_1, sensitivity_2]
sauna.Plot.plot_sensitivity(sensitivities, name = 'sensitivities', format = 'pdf', show_integral = True, normalization_type = 0, annotations = ['\nENDF/B-VII.1 (SCALE 6.2)', '\nENDF/B-VII.1 (Serpent)'], width=7.48)

$\texttt{name}$ и $\texttt{format}$ принимают имя и формат сохраняемого изображения соответственно, которые передаются в $\texttt{matplotlib}$.

Далее, принимает логическое значение, показывать ли интегральные значения чувствительностей или нет.

show integral() может принимать три значения {0, 1, 2}, которые соответствуют отсутствию нормировки, нормировке на единицу энергии, нормировке на единицу летаргии. Значение 1 рекомендуется использовать при рассмотрении разных групповых структур.

$\texttt{annotations}$ ожидает список строк, которые будут добавлены в легенду при необходимости, например, чтобы различать данные от разных инструментов.

Параметр $\texttt{width}$ предназначен для задания ширины графика для $\texttt{matplotlib}$ в дюймах. Значение по умолчанию — 3.54 дюйма, что рекомендовано издательством Elsevier для изображений в один столбец. Можно установить 7.48 дюйма, если требуется изображение в два столбца.

Результат использования этого метода показан ниже на рисунке 1.

Рисунок 1. Чувствительность (профиль) собствен­ного числа $k$ по отношению к сечению $^{238}\textnormal{U}(n,n')$ через KENO-IV из SCALE 6.2 и Serpent

Неопределённость

Неопределённости отображаются с помощью метода Работает аналогично чувствительностям, пример приведён ниже. Если предоставлена матрица канал‑канал, представляется квадратный корень из диагонали (знаки диагональных элементов сохраняются).

covs = [covariance_1, covariance_2, covariance_3]
sauna.Plot.plot_uncertainty(covs, format = 'pdf', annotations = None, width=3.54)

Результат представлен на рисунке 2.

Рисунок 2. Неопределённость (профиль) некоторых $^{238}\textnormal{U}$ сечений из ENDF/B-VII.1 в приближении 28-группового ABBN

Матрицы ковариаций и корреляций

Матрицы ковариаций и корреляций отображаются с помощью методов и соответственно. Некоторые примеры результатов методов уже были показаны в первом подразделе. Ниже приведены примеры того, как можно построить эти изображения.

sauna.Plot.plot_cov(covariance_1, name='U238-18-102', format = 'svg')
sauna.Plot.plot_cov(covariance_4, name='U238-4', format = 'svg')
sauna.Plot.plot_cor(covariance_4, name='corr-U238-4', format = 'svg')
sauna.Plot.plot_cor(covariance_1,covariance_2, covariance_3, name='corr-U238-18-102', format = 'svg')

Рисунок 3. Матрица ковариаций для $^{238}\textnormal{U}(n,f)- ^{238}\textnormal{U}(n,\gamma)$ из ENDF/B-VII.1 в приближении 28-группового ABBN

Рисунок 4. Матрица ковариаций для $^{238}\textnormal{U}(n,n')$ из ENDF/B-VII.1 в приближении 28-группового ABBN

Рисунок 5. Матрица корреляций для $^{238}\textnormal{U}(n,n')$ из ENDF/B-VII.1 в приближении 28-группового ABBN

Рисунок 6. Матрица корреляций для $^{238}\textnormal{U}(n,f)- ^{238}\textnormal{U}(n,\gamma)$ из ENDF/B-VII.1 в приближении 28-группового ABBN

Для построения матрицы корреляций канал‑канал требуется 3 матрицы в качестве входных данных, чтобы получить корреляции из ковариаций:

• матрица канал‑канал (covariance_1)

• первая матрица канала (covariance_2)

• вторая матрица канала (covariance_3)